En esta sección se hace la descripción del caso de uso indicando el problema o tarea específica que se soluciona, proporcionando una visión general del mismo. Asimismo, se establece las necesidades y requisitos específicos del proyecto.
| Requisito | Descripcion |
|---|---|
| target_population | El conjunto de datos de German Credit representa a personas solicitantes de crédito en Alemania. Por tanto, la población impactada o beneficiada son individuos que solicitan productos financieros, como préstamos o créditos bancarios. Las decisiones automatizadas sobre su riesgo crediticio pueden afectar su acceso a productos financieros. |
| context | El propósito principal del sistema que se entrena con este conjunto de datos es predecir la probabilidad de que un solicitante de crédito pague o no pague su deuda. Las metas principales son:\nEvaluar la solvencia de un solicitante.\nReducir riesgos de impago para las instituciones financieras.\nFacilitar decisiones de aprobación o rechazo de solicitudes de crédito de manera eficiente. |
| sensitive_data | El dataset contiene atributos sensibles como:\nSexo (male/female)\nEstado civil (single/married/divorced)\nEdad Se deben aplicar buenas prácticas como:\nEvaluar y mitigar posibles sesgos en las predicciones relacionadas con estos atributos.\nImplementar técnicas de fairness-aware machine learning si se pretende garantizar equidad. |
| limitations | Tamaño limitado: solo 1.000 instancias, lo cual puede dificultar la generalización.\nDatos antiguos: provienen de los años 1990s o antes, y pueden no reflejar las condiciones socioeconómicas actuales.\nCodificación simplificada: algunas variables categóricas están preprocesadas de manera que puede ocultar matices importantes.\nPresencia de sesgos históricos: los datos reflejan posibles discriminaciones preexistentes en la concesión de crédito. |
| benefits | Acceso más ágil a decisiones de crédito si se usa un modelo justo y eficiente.\nReducción de la subjetividad humana en la evaluación crediticia.\n\nTransparencia potencialmente mayor si el modelo es explicado adecuadamente y supervisado. |
| ethics | Si el modelo es justo y preciso: Puede facilitar un acceso más equitativo a créditos y mejorar la eficiencia bancaria.\nSi el modelo es sesgado: Podría discriminar contra ciertos grupos (por ejemplo, mujeres, personas jóvenes o mayores, personas solteras), perpetuando desigualdades.\nSi el modelo no se actualiza: Puede volverse irrelevante o ineficaz con cambios en las condiciones económicas o comportamientos de pago de la población. |
| maintenance | Se recomienda que el modelo sea monitoreado:\nInicialmente: cada 6 meses.\nPosteriormente: según el comportamiento observado, podría ser anual si se mantiene un buen desempeño. El monitoreo debe incluir:\nRendimiento predictivo (accuracy, F1-score)\nMétricas de equidad (Disparate Impact (DI), Statistical Parity, Equal Opportunity Difference (EOD), Average Odds Difference (AOD)) |
| description | Nombre: German Credit Data\nOrigen: Instituto de Estadística y Ciencia de Datos de la Universidad de Dortmund.\nTamaño: 1.000 observaciones, 20 atributos.\nEtiquetas: "Good" (crédito aprobado) o "Bad" (crédito no aprobado).\nVariables: mezcla de variables categóricas y numéricas (por ejemplo, duración del crédito, propósito del préstamo, monto del crédito, estado civil, edad, historial crediticio, entre otros). |
A continuación, se describe el análisis de los datos disponibles para la construcción del modelo
Cual fue la manera en que se llevó a cabo el proceso de recopilación de los datos, indicando si los datos utilizados corresponden a toda una población o si son una muestra representativa de la misma, especificando el porcentaje que representan en relación a la población en cuestión. Además, identificar las razones por las cuales existen valores perdidos en los datos. Asimismo, indicar si los datos han sido sometidos a algún tipo de tratamiento o transformación, o si se encuentran en su formato original
| Ítem | Descripción |
|---|---|
| Fuente de Datos | |
| Filas | 800 |
| Columnas | 61 |
| Atributos sensibles | [sexo] |
| Atributo de clase | class |
| Formato | |
| Descripción |
En esta sección se busca comprender la naturaleza y las características de cada atributo en el conjunto de datos. Esto implica examinar el tipo de dato, la escala de medición, el rango de valores posibles, la presencia de valores atípicos o perdidos, y cualquier otra información relevante relacionada con cada atributo
| Atributo | Descripción |
|---|---|
| duration | Duración en meses del crédito solicitado. |
| amount | Monto del crédito solicitado en Deutsche Marks (DM). |
| installment | Tasa de cuota mensual a pagar como porcentaje del ingreso disponible (1: alta, 4: baja). |
| residence | Años de residencia actual en la dirección indicada. |
| age | Edad del solicitante en años. |
| cards | Número de créditos existentes en este banco. |
| liable | Número de personas a cargo del solicitante económicamente. |
| foreign | Si el solicitante es extranjero (1: sí, 0: no). |
| sexo | Sexo del solicitante (1: masculino, 0: femenino). |
| existingchecking__saldo positivo hasta 200 DM | Cuenta corriente con saldo positivo de hasta 200 Deutsche Marks. |
| existingchecking__saldo positivo superior a 200 DM | Cuenta corriente con saldo positivo mayor a 200 Deutsche Marks. |
| existingchecking__sin cuenta corriente | El solicitante no tiene cuenta corriente. |
| existingchecking__sin saldo | Cuenta corriente sin saldo o en descubierto. |
| history__créditos existentes pagados puntualmente hasta ahora | Todos los créditos anteriores fueron pagados puntualmente. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | Hay cuentas o créditos críticos en otros bancos. |
| history__no créditos tomados | El solicitante no ha tomado créditos anteriormente. |
| history__retraso en el pago en el pasado | El solicitante tuvo retrasos en pagos anteriores. |
| history__todos los créditos en este banco devueltos a tiempo | Los créditos en este banco han sido devueltos a tiempo. |
| purpose__coche nuevo | Solicitud de crédito para comprar un coche nuevo. |
| purpose__coche usado | Solicitud de crédito para comprar un coche usado. |
| purpose__educación | Solicitud de crédito para financiar educación. |
| purpose__electrodomésticos | Solicitud de crédito para comprar electrodomésticos. |
| purpose__muebles/equipo | Solicitud de crédito para comprar muebles o equipamiento. |
| purpose__negocios | Solicitud de crédito para fines comerciales o de negocios. |
| purpose__otros | Otros propósitos no especificados. |
| purpose__radio/TV | Solicitud de crédito para la compra de radio o televisión. |
| purpose__reparaciones | Solicitud de crédito para reparaciones. |
| purpose__retraining | Solicitud de crédito para reentrenamiento profesional. |
| savings__saldo positivo de 100 a 500 DM | Ahorros entre 100 y 500 Deutsche Marks. |
| savings__saldo positivo de 500 a 1000 DM | Ahorros entre 500 y 1000 Deutsche Marks. |
| savings__saldo positivo hasta 100 DM | Ahorros menores o iguales a 100 Deutsche Marks. |
| savings__saldo positivo superior a 1000 DM | Ahorros superiores a 1000 Deutsche Marks. |
| savings__sin cuenta de ahorros | El solicitante no posee cuenta de ahorros. |
| employ__desempleado | El solicitante está desempleado. |
| employ__empleado de 1 a 4 años | El solicitante ha trabajado entre 1 y 4 años. |
| employ__empleado de 4 a 7 años | El solicitante ha trabajado entre 4 y 7 años. |
| employ__empleado menos de 1 año | El solicitante ha trabajado menos de 1 año. |
| employ__empleado más de 7 años | El solicitante ha trabajado más de 7 años. |
| others__co-deudor | Existe un co-deudor en la solicitud. |
| others__garante | Existe un garante en la solicitud. |
| others__ninguno | No hay co-deudores ni garantes. |
| property__automóvil | Propiedad de un automóvil. |
| property__bienes inmuebles | Propiedad de bienes inmuebles. |
| property__seguro de vida | Propiedad de una póliza de seguro de vida. |
| property__sin propiedad | No posee ninguna propiedad declarada. |
| otherplans__banco | Tiene otros planes financieros en bancos. |
| otherplans__ninguno | No tiene otros planes financieros. |
| otherplans__tiendas | Tiene planes de financiamiento con tiendas. |
| housing__alquiler | Vive en una vivienda alquilada. |
| housing__gratis | Vive en una vivienda sin pagar alquiler. |
| housing__propietario | Es propietario de la vivienda. |
| job__altamente calificado/funcionario | Profesional altamente calificado o funcionario público. |
| job__calificado | Trabajador calificado. |
| job__desempleado/no calificado | Persona desempleada o trabajador no calificado. |
| job__no calificado residente | Trabajador no calificado pero con residencia estable. |
| telephone__no | El solicitante no tiene teléfono. |
| telephone__sí | El solicitante tiene teléfono. |
| estado_civil__casado/viudo | Solicitante casado o viudo. |
| estado_civil__divorciada/separada/casada | Solicitante mujer divorciada, separada o casada. |
| estado_civil__divorciado/separado | Solicitante hombre divorciado o separado. |
| estado_civil__soltero | Solicitante soltero. |
| Atributo | Tipo | Cantidad | Valores unicos | Mas frecuente | Menos frecuente | Valores nulos |
|---|---|---|---|---|---|---|
| duration | category | 800 | 3 | 3 | 1 | 0 |
| amount | category | 800 | 3 | 1 | 3 | 0 |
| installment | category | 800 | 4 | 4 | 1 | 0 |
| residence | category | 800 | 4 | 4 | 1 | 0 |
| cards | category | 800 | 4 | 1 | 4 | 0 |
| liable | category | 800 | 2 | 1 | 2 | 0 |
| foreign | category | 800 | 2 | 0 | 1 | 0 |
| sexo | category | 800 | 2 | 1 | 0 | 0 |
| existingchecking__saldo positivo hasta 200 DM | category | 800 | 2 | 0 | 1 | 0 |
| existingchecking__saldo positivo superior a 200 DM | category | 800 | 2 | 0 | 1 | 0 |
| existingchecking__sin cuenta corriente | category | 800 | 2 | 0 | 1 | 0 |
| existingchecking__sin saldo | category | 800 | 2 | 0 | 1 | 0 |
| history__créditos existentes pagados puntualmente hasta ahora | category | 800 | 2 | 1 | 0 | 0 |
| history__cuenta crítica/otros créditos existentes (no en este banco) | category | 800 | 2 | 0 | 1 | 0 |
| history__no créditos tomados | category | 800 | 2 | 0 | 1 | 0 |
| history__retraso en el pago en el pasado | category | 800 | 2 | 0 | 1 | 0 |
| history__todos los créditos en este banco devueltos a tiempo | category | 800 | 2 | 0 | 1 | 0 |
| purpose__coche nuevo | category | 800 | 2 | 0 | 1 | 0 |
| purpose__coche usado | category | 800 | 2 | 0 | 1 | 0 |
| purpose__educación | category | 800 | 2 | 0 | 1 | 0 |
| purpose__electrodomésticos | category | 800 | 2 | 0 | 1 | 0 |
| purpose__muebles/equipo | category | 800 | 2 | 0 | 1 | 0 |
| purpose__negocios | category | 800 | 2 | 0 | 1 | 0 |
| purpose__otros | category | 800 | 2 | 0 | 1 | 0 |
| purpose__radio/TV | category | 800 | 2 | 0 | 1 | 0 |
| purpose__reparaciones | category | 800 | 2 | 0 | 1 | 0 |
| purpose__retraining | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo de 100 a 500 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo de 500 a 1000 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo hasta 100 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo superior a 1000 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__sin cuenta de ahorros | category | 800 | 2 | 1 | 0 | 0 |
| employ__desempleado | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado de 1 a 4 años | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado de 4 a 7 años | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado menos de 1 año | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado más de 7 años | category | 800 | 2 | 0 | 1 | 0 |
| others__co-deudor | category | 800 | 2 | 0 | 1 | 0 |
| others__garante | category | 800 | 2 | 0 | 1 | 0 |
| others__ninguno | category | 800 | 2 | 1 | 0 | 0 |
| property__automóvil | category | 800 | 2 | 0 | 1 | 0 |
| property__bienes inmuebles | category | 800 | 2 | 0 | 1 | 0 |
| property__seguro de vida | category | 800 | 2 | 0 | 1 | 0 |
| property__sin propiedad | category | 800 | 2 | 0 | 1 | 0 |
| otherplans__banco | category | 800 | 2 | 0 | 1 | 0 |
| otherplans__ninguno | category | 800 | 2 | 0 | 1 | 0 |
| otherplans__tiendas | category | 800 | 2 | 1 | 0 | 0 |
| housing__alquiler | category | 800 | 2 | 0 | 1 | 0 |
| housing__gratis | category | 800 | 2 | 0 | 1 | 0 |
| housing__propietario | category | 800 | 2 | 1 | 0 | 0 |
| job__altamente calificado/funcionario | category | 800 | 2 | 0 | 1 | 0 |
| job__calificado | category | 800 | 2 | 1 | 0 | 0 |
| job__desempleado/no calificado | category | 800 | 2 | 0 | 1 | 0 |
| job__no calificado residente | category | 800 | 2 | 0 | 1 | 0 |
| telephone__no | category | 800 | 2 | 1 | 0 | 0 |
| telephone__sí | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__casado/viudo | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__divorciada/separada/casada | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__divorciado/separado | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__soltero | category | 800 | 2 | 1 | 0 | 0 |
| class | category | 800 | 2 | 1 | 0 | 0 |
| Atributo | Tipo | Cantidad | Minimo | Mediana | Maximo | Promedio | Desv Std | % Nulos | % Ceros |
|---|---|---|---|---|---|---|---|---|---|
| age | int64 | 800 | 20 | 33.0 | 75 | 35.38625 | 11.37778 | 0.0 | 0.0 |
| attribute1 | attribute2 | proporcion | tipo | concern |
|---|---|---|---|---|
| duration | sexo | 0.657143 | ALTO | Alta asociación entre duration=1 y sexo=1 (proporción 0.657), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| duration | class | 0.885714 | ALTO | Alta asociación entre duration=1 y class=1 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | sexo | 0.617564 | ALTO | Alta asociación entre amount=1 y sexo=1 (proporción 0.618), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| amount | class | 0.708215 | ALTO | Alta asociación entre amount=1 y class=1 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | sexo | 0.533333 | ALTO | Alta asociación entre installment=1 y sexo=1 (proporción 0.533), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| installment | class | 0.742857 | ALTO | Alta asociación entre installment=1 y class=1 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | sexo | 0.598131 | ALTO | Alta asociación entre residence=1 y sexo=1 (proporción 0.598), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| residence | class | 0.766355 | ALTO | Alta asociación entre residence=1 y class=1 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | sexo | 0.591885 | ALTO | Alta asociación entre age=(19.945, 33.75] y sexo=1 (proporción 0.592), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| age | class | 0.644391 | ALTO | Alta asociación entre age=(19.945, 33.75] y class=1 (proporción 0.644), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | sexo | 0.646707 | ALTO | Alta asociación entre cards=1 y sexo=1 (proporción 0.647), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| cards | class | 0.678643 | ALTO | Alta asociación entre cards=1 y class=1 (proporción 0.679), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | sexo | 0.641256 | ALTO | Alta asociación entre liable=1 y sexo=1 (proporción 0.641), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| liable | class | 0.693572 | ALTO | Alta asociación entre liable=1 y class=1 (proporción 0.694), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | sexo | 0.685233 | ALTO | Alta asociación entre foreign=0 y sexo=1 (proporción 0.685), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| foreign | class | 0.693005 | ALTO | Alta asociación entre foreign=0 y class=1 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | sexo | 0.684474 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y sexo=1 (proporción 0.684), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| existingchecking__saldo positivo hasta 200 DM | class | 0.732888 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y class=1 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | sexo | 0.687583 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y sexo=1 (proporción 0.688), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| existingchecking__saldo positivo superior a 200 DM | class | 0.695594 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y class=1 (proporción 0.696), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | sexo | 0.697391 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y sexo=1 (proporción 0.697), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| existingchecking__sin cuenta corriente | class | 0.773913 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y class=1 (proporción 0.774), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | sexo | 0.679245 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y sexo=1 (proporción 0.679), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| existingchecking__sin saldo | class | 0.576520 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y class=1 (proporción 0.577), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | sexo | 0.733333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y sexo=1 (proporción 0.733), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| history__créditos existentes pagados puntualmente hasta ahora | class | 0.730667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y class=1 (proporción 0.731), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | sexo | 0.671480 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y sexo=1 (proporción 0.671), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | class | 0.642599 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y class=1 (proporción 0.643), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | sexo | 0.685379 | ALTO | Alta asociación entre history__no créditos tomados=0 y sexo=1 (proporción 0.685), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| history__no créditos tomados | class | 0.712794 | ALTO | Alta asociación entre history__no créditos tomados=0 y class=1 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | sexo | 0.678426 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y sexo=1 (proporción 0.678), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| history__retraso en el pago en el pasado | class | 0.702849 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | sexo | 0.687500 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y sexo=1 (proporción 0.688), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| history__todos los créditos en este banco devueltos a tiempo | class | 0.710938 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y class=1 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | sexo | 0.691057 | ALTO | Alta asociación entre purpose__coche nuevo=0 y sexo=1 (proporción 0.691), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__coche nuevo | class | 0.731707 | ALTO | Alta asociación entre purpose__coche nuevo=0 y class=1 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | sexo | 0.671309 | ALTO | Alta asociación entre purpose__coche usado=0 y sexo=1 (proporción 0.671), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__coche usado | class | 0.678273 | ALTO | Alta asociación entre purpose__coche usado=0 y class=1 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | sexo | 0.692005 | ALTO | Alta asociación entre purpose__educación=0 y sexo=1 (proporción 0.692), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__educación | class | 0.707733 | ALTO | Alta asociación entre purpose__educación=0 y class=1 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | sexo | 0.690657 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y sexo=1 (proporción 0.691), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__electrodomésticos | class | 0.700758 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y class=1 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | sexo | 0.716923 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y sexo=1 (proporción 0.717), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__muebles/equipo | class | 0.706154 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y class=1 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | sexo | 0.675900 | ALTO | Alta asociación entre purpose__negocios=0 y sexo=1 (proporción 0.676), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__negocios | class | 0.706371 | ALTO | Alta asociación entre purpose__negocios=0 y class=1 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | sexo | 0.686869 | ALTO | Alta asociación entre purpose__otros=0 y sexo=1 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__otros | class | 0.702020 | ALTO | Alta asociación entre purpose__otros=0 y class=1 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | sexo | 0.680000 | ALTO | Alta asociación entre purpose__radio/TV=0 y sexo=1 (proporción 0.680), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__radio/TV | class | 0.662609 | ALTO | Alta asociación entre purpose__radio/TV=0 y class=1 (proporción 0.663), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | sexo | 0.684615 | ALTO | Alta asociación entre purpose__reparaciones=0 y sexo=1 (proporción 0.685), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__reparaciones | class | 0.702564 | ALTO | Alta asociación entre purpose__reparaciones=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | sexo | 0.687264 | ALTO | Alta asociación entre purpose__retraining=0 y sexo=1 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| purpose__retraining | class | 0.698613 | ALTO | Alta asociación entre purpose__retraining=0 y class=1 (proporción 0.699), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | sexo | 0.678191 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y sexo=1 (proporción 0.678), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| savings__saldo positivo de 100 a 500 DM | class | 0.692819 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y class=1 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | sexo | 0.689791 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| savings__saldo positivo de 500 a 1000 DM | class | 0.691099 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y class=1 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | sexo | 0.690042 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| savings__saldo positivo hasta 100 DM | class | 0.699860 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y class=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | sexo | 0.680492 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y sexo=1 (proporción 0.680), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| savings__saldo positivo superior a 1000 DM | class | 0.672811 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y class=1 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | sexo | 0.712500 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y sexo=1 (proporción 0.713), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| savings__sin cuenta de ahorros | class | 0.793750 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y class=1 (proporción 0.794), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | sexo | 0.689564 | ALTO | Alta asociación entre employ__desempleado=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| employ__desempleado | class | 0.705416 | ALTO | Alta asociación entre employ__desempleado=0 y class=1 (proporción 0.705), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | sexo | 0.700935 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y sexo=1 (proporción 0.701), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| employ__empleado de 1 a 4 años | class | 0.697196 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y class=1 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | sexo | 0.677321 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y sexo=1 (proporción 0.677), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| employ__empleado de 4 a 7 años | class | 0.684932 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y class=1 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | sexo | 0.726859 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y sexo=1 (proporción 0.727), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| employ__empleado menos de 1 año | class | 0.723824 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y class=1 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | sexo | 0.640203 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y sexo=1 (proporción 0.640), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| employ__empleado más de 7 años | class | 0.685811 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y class=1 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | sexo | 0.687173 | ALTO | Alta asociación entre others__co-deudor=0 y sexo=1 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| others__co-deudor | class | 0.708115 | ALTO | Alta asociación entre others__co-deudor=0 y class=1 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | sexo | 0.689065 | ALTO | Alta asociación entre others__garante=0 y sexo=1 (proporción 0.689), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| others__garante | class | 0.691700 | ALTO | Alta asociación entre others__garante=0 y class=1 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | sexo | 0.675325 | ALTO | Alta asociación entre others__ninguno=0 y sexo=1 (proporción 0.675), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| others__ninguno | class | 0.701299 | ALTO | Alta asociación entre others__ninguno=0 y class=1 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | sexo | 0.689013 | ALTO | Alta asociación entre property__automóvil=0 y sexo=1 (proporción 0.689), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| property__automóvil | class | 0.696462 | ALTO | Alta asociación entre property__automóvil=0 y class=1 (proporción 0.696), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | sexo | 0.694885 | ALTO | Alta asociación entre property__bienes inmuebles=0 y sexo=1 (proporción 0.695), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| property__bienes inmuebles | class | 0.670194 | ALTO | Alta asociación entre property__bienes inmuebles=0 y class=1 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | sexo | 0.703764 | ALTO | Alta asociación entre property__seguro de vida=0 y sexo=1 (proporción 0.704), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| property__seguro de vida | class | 0.702128 | ALTO | Alta asociación entre property__seguro de vida=0 y class=1 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | sexo | 0.665693 | ALTO | Alta asociación entre property__sin propiedad=0 y sexo=1 (proporción 0.666), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| property__sin propiedad | class | 0.725547 | ALTO | Alta asociación entre property__sin propiedad=0 y class=1 (proporción 0.726), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | sexo | 0.682477 | ALTO | Alta asociación entre otherplans__banco=0 y sexo=1 (proporción 0.682), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| otherplans__banco | class | 0.706192 | ALTO | Alta asociación entre otherplans__banco=0 y class=1 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | sexo | 0.683908 | ALTO | Alta asociación entre otherplans__ninguno=0 y sexo=1 (proporción 0.684), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| otherplans__ninguno | class | 0.718391 | ALTO | Alta asociación entre otherplans__ninguno=0 y class=1 (proporción 0.718), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | sexo | 0.731034 | ALTO | Alta asociación entre otherplans__tiendas=0 y sexo=1 (proporción 0.731), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| otherplans__tiendas | class | 0.579310 | ALTO | Alta asociación entre otherplans__tiendas=0 y class=1 (proporción 0.579), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | sexo | 0.730711 | ALTO | Alta asociación entre housing__alquiler=0 y sexo=1 (proporción 0.731), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| housing__alquiler | class | 0.720121 | ALTO | Alta asociación entre housing__alquiler=0 y class=1 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | sexo | 0.668524 | ALTO | Alta asociación entre housing__gratis=0 y sexo=1 (proporción 0.669), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| housing__gratis | class | 0.708914 | ALTO | Alta asociación entre housing__gratis=0 y class=1 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | sexo | 0.619910 | ALTO | Alta asociación entre housing__propietario=0 y sexo=1 (proporción 0.620), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| housing__propietario | class | 0.610860 | ALTO | Alta asociación entre housing__propietario=0 y class=1 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | sexo | 0.670571 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y sexo=1 (proporción 0.671), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| job__altamente calificado/funcionario | class | 0.702782 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | sexo | 0.713311 | ALTO | Alta asociación entre job__calificado=0 y sexo=1 (proporción 0.713), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| job__calificado | class | 0.686007 | ALTO | Alta asociación entre job__calificado=0 y class=1 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | sexo | 0.690932 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y sexo=1 (proporción 0.691), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| job__desempleado/no calificado | class | 0.702427 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y class=1 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__no calificado residente | sexo | 0.689548 | ALTO | Alta asociación entre job__no calificado residente=0 y sexo=1 (proporción 0.690), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| job__no calificado residente | class | 0.700468 | ALTO | Alta asociación entre job__no calificado residente=0 y class=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__no | sexo | 0.735202 | ALTO | Alta asociación entre telephone__no=0 y sexo=1 (proporción 0.735), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| telephone__no | class | 0.725857 | ALTO | Alta asociación entre telephone__no=0 y class=1 (proporción 0.726), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__sí | sexo | 0.655532 | ALTO | Alta asociación entre telephone__sí=0 y sexo=1 (proporción 0.656), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| telephone__sí | class | 0.682672 | ALTO | Alta asociación entre telephone__sí=0 y class=1 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__casado/viudo | sexo | 0.656593 | ALTO | Alta asociación entre estado_civil__casado/viudo=0 y sexo=1 (proporción 0.657), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| estado_civil__casado/viudo | class | 0.695055 | ALTO | Alta asociación entre estado_civil__casado/viudo=0 y class=1 (proporción 0.695), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__divorciada/separada/casada | sexo | 1.000000 | ALTO | Alta asociación entre estado_civil__divorciada/separada/casada=0 y sexo=1 (proporción 1.000), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| estado_civil__divorciada/separada/casada | class | 0.725455 | ALTO | Alta asociación entre estado_civil__divorciada/separada/casada=0 y class=1 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__divorciado/separado | sexo | 0.670185 | ALTO | Alta asociación entre estado_civil__divorciado/separado=0 y sexo=1 (proporción 0.670), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| estado_civil__divorciado/separado | class | 0.703166 | ALTO | Alta asociación entre estado_civil__divorciado/separado=0 y class=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__soltero | sexo | 0.686813 | ALTO | Alta asociación entre estado_civil__soltero=0 y sexo=0 (proporción 0.687), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
| estado_civil__soltero | class | 0.664835 | ALTO | Alta asociación entre estado_civil__soltero=0 y class=1 (proporción 0.665), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | amount | 0.028571 | BAJO | Baja asociación entre duration=1 y amount=3 (proporción 0.029), que sugiere baja dependencia entre estos atributos. |
| duration | age | 0.046296 | BAJO | Baja asociación entre duration=2 y age=(61.25, 75.0] (proporción 0.046), que sugiere baja dependencia entre estos atributos. |
| duration | cards | 0.000000 | BAJO | Baja asociación entre duration=1 y cards=4 (proporción 0.000), que sugiere baja dependencia entre estos atributos. |
| duration | liable | 0.700000 | ALTO | Alta asociación entre duration=1 y liable=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | foreign | 0.900000 | ALTO | Alta asociación entre duration=1 y foreign=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | existingchecking__saldo positivo hasta 200 DM | 0.814286 | ALTO | Alta asociación entre duration=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | existingchecking__saldo positivo superior a 200 DM | 0.900000 | ALTO | Alta asociación entre duration=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | existingchecking__sin cuenta corriente | 0.728571 | ALTO | Alta asociación entre duration=1 y existingchecking__sin cuenta corriente=0 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | existingchecking__sin saldo | 0.557143 | ALTO | Alta asociación entre duration=1 y existingchecking__sin saldo=0 (proporción 0.557), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | history__créditos existentes pagados puntualmente hasta ahora | 0.557143 | ALTO | Alta asociación entre duration=1 y history__créditos existentes pagados puntualmente hasta ahora=0 (proporción 0.557), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.600000 | ALTO | Alta asociación entre duration=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.600), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | history__no créditos tomados | 0.971429 | ALTO | Alta asociación entre duration=1 y history__no créditos tomados=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | history__retraso en el pago en el pasado | 0.928571 | ALTO | Alta asociación entre duration=1 y history__retraso en el pago en el pasado=0 (proporción 0.929), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | history__todos los créditos en este banco devueltos a tiempo | 0.942857 | ALTO | Alta asociación entre duration=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__coche nuevo | 0.657143 | ALTO | Alta asociación entre duration=1 y purpose__coche nuevo=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__coche usado | 0.985714 | ALTO | Alta asociación entre duration=1 y purpose__coche usado=0 (proporción 0.986), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__educación | 0.957143 | ALTO | Alta asociación entre duration=1 y purpose__educación=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__electrodomésticos | 0.971429 | ALTO | Alta asociación entre duration=1 y purpose__electrodomésticos=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__muebles/equipo | 0.871429 | ALTO | Alta asociación entre duration=1 y purpose__muebles/equipo=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__negocios | 0.985714 | ALTO | Alta asociación entre duration=1 y purpose__negocios=0 (proporción 0.986), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__otros | 1.000000 | ALTO | Alta asociación entre duration=1 y purpose__otros=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__radio/TV | 0.628571 | ALTO | Alta asociación entre duration=1 y purpose__radio/TV=0 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__reparaciones | 0.971429 | ALTO | Alta asociación entre duration=1 y purpose__reparaciones=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | purpose__retraining | 0.971429 | ALTO | Alta asociación entre duration=1 y purpose__retraining=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | savings__saldo positivo de 100 a 500 DM | 0.900000 | ALTO | Alta asociación entre duration=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | savings__saldo positivo de 500 a 1000 DM | 0.971429 | ALTO | Alta asociación entre duration=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | savings__saldo positivo hasta 100 DM | 0.885714 | ALTO | Alta asociación entre duration=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | savings__saldo positivo superior a 1000 DM | 0.828571 | ALTO | Alta asociación entre duration=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | savings__sin cuenta de ahorros | 0.585714 | ALTO | Alta asociación entre duration=1 y savings__sin cuenta de ahorros=1 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | employ__desempleado | 0.900000 | ALTO | Alta asociación entre duration=1 y employ__desempleado=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | employ__empleado de 1 a 4 años | 0.700000 | ALTO | Alta asociación entre duration=1 y employ__empleado de 1 a 4 años=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | employ__empleado de 4 a 7 años | 0.828571 | ALTO | Alta asociación entre duration=1 y employ__empleado de 4 a 7 años=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | employ__empleado menos de 1 año | 0.800000 | ALTO | Alta asociación entre duration=1 y employ__empleado menos de 1 año=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | employ__empleado más de 7 años | 0.771429 | ALTO | Alta asociación entre duration=1 y employ__empleado más de 7 años=0 (proporción 0.771), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | others__co-deudor | 1.000000 | ALTO | Alta asociación entre duration=1 y others__co-deudor=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | others__garante | 0.957143 | ALTO | Alta asociación entre duration=1 y others__garante=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | others__ninguno | 0.957143 | ALTO | Alta asociación entre duration=1 y others__ninguno=1 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | property__automóvil | 0.842857 | ALTO | Alta asociación entre duration=1 y property__automóvil=0 (proporción 0.843), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | property__bienes inmuebles | 0.571429 | ALTO | Alta asociación entre duration=1 y property__bienes inmuebles=0 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | property__seguro de vida | 0.685714 | ALTO | Alta asociación entre duration=1 y property__seguro de vida=0 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | property__sin propiedad | 0.900000 | ALTO | Alta asociación entre duration=1 y property__sin propiedad=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | otherplans__banco | 0.957143 | ALTO | Alta asociación entre duration=1 y otherplans__banco=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | otherplans__ninguno | 0.871429 | ALTO | Alta asociación entre duration=1 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | otherplans__tiendas | 0.828571 | ALTO | Alta asociación entre duration=1 y otherplans__tiendas=1 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | housing__alquiler | 0.828571 | ALTO | Alta asociación entre duration=1 y housing__alquiler=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | housing__gratis | 0.942857 | ALTO | Alta asociación entre duration=1 y housing__gratis=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | housing__propietario | 0.771429 | ALTO | Alta asociación entre duration=1 y housing__propietario=1 (proporción 0.771), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | job__altamente calificado/funcionario | 0.885714 | ALTO | Alta asociación entre duration=1 y job__altamente calificado/funcionario=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | job__calificado | 0.528571 | ALTO | Alta asociación entre duration=1 y job__calificado=1 (proporción 0.529), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | job__desempleado/no calificado | 0.942857 | ALTO | Alta asociación entre duration=1 y job__desempleado/no calificado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | job__no calificado residente | 0.700000 | ALTO | Alta asociación entre duration=1 y job__no calificado residente=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | telephone__no | 0.714286 | ALTO | Alta asociación entre duration=1 y telephone__no=1 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | telephone__sí | 0.714286 | ALTO | Alta asociación entre duration=1 y telephone__sí=0 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | estado_civil__casado/viudo | 0.828571 | ALTO | Alta asociación entre duration=1 y estado_civil__casado/viudo=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | estado_civil__divorciada/separada/casada | 0.657143 | ALTO | Alta asociación entre duration=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | estado_civil__divorciado/separado | 0.942857 | ALTO | Alta asociación entre duration=1 y estado_civil__divorciado/separado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| duration | estado_civil__soltero | 0.571429 | ALTO | Alta asociación entre duration=1 y estado_civil__soltero=0 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | age | 0.022727 | BAJO | Baja asociación entre amount=2 y age=(61.25, 75.0] (proporción 0.023), que sugiere baja dependencia entre estos atributos. |
| amount | cards | 0.033994 | BAJO | Baja asociación entre amount=1 y cards=3 (proporción 0.034), que sugiere baja dependencia entre estos atributos. |
| amount | liable | 0.849858 | ALTO | Alta asociación entre amount=1 y liable=1 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | foreign | 0.949008 | ALTO | Alta asociación entre amount=1 y foreign=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | existingchecking__saldo positivo hasta 200 DM | 0.764873 | ALTO | Alta asociación entre amount=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.765), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | existingchecking__saldo positivo superior a 200 DM | 0.915014 | ALTO | Alta asociación entre amount=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | existingchecking__sin cuenta corriente | 0.728045 | ALTO | Alta asociación entre amount=1 y existingchecking__sin cuenta corriente=0 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | existingchecking__sin saldo | 0.592068 | ALTO | Alta asociación entre amount=1 y existingchecking__sin saldo=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | history__créditos existentes pagados puntualmente hasta ahora | 0.543909 | ALTO | Alta asociación entre amount=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.544), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.671388 | ALTO | Alta asociación entre amount=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | history__no créditos tomados | 0.977337 | ALTO | Alta asociación entre amount=1 y history__no créditos tomados=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | history__retraso en el pago en el pasado | 0.940510 | ALTO | Alta asociación entre amount=1 y history__retraso en el pago en el pasado=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | history__todos los créditos en este banco devueltos a tiempo | 0.954674 | ALTO | Alta asociación entre amount=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__coche nuevo | 0.733711 | ALTO | Alta asociación entre amount=1 y purpose__coche nuevo=0 (proporción 0.734), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__coche usado | 0.988669 | ALTO | Alta asociación entre amount=1 y purpose__coche usado=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__educación | 0.934844 | ALTO | Alta asociación entre amount=1 y purpose__educación=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__electrodomésticos | 0.980170 | ALTO | Alta asociación entre amount=1 y purpose__electrodomésticos=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__muebles/equipo | 0.861190 | ALTO | Alta asociación entre amount=1 y purpose__muebles/equipo=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__negocios | 0.932011 | ALTO | Alta asociación entre amount=1 y purpose__negocios=0 (proporción 0.932), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__otros | 0.991501 | ALTO | Alta asociación entre amount=1 y purpose__otros=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__radio/TV | 0.631728 | ALTO | Alta asociación entre amount=1 y purpose__radio/TV=0 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__reparaciones | 0.966006 | ALTO | Alta asociación entre amount=1 y purpose__reparaciones=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | purpose__retraining | 0.980170 | ALTO | Alta asociación entre amount=1 y purpose__retraining=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | savings__saldo positivo de 100 a 500 DM | 0.934844 | ALTO | Alta asociación entre amount=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | savings__saldo positivo de 500 a 1000 DM | 0.943343 | ALTO | Alta asociación entre amount=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | savings__saldo positivo hasta 100 DM | 0.895184 | ALTO | Alta asociación entre amount=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | savings__saldo positivo superior a 1000 DM | 0.838527 | ALTO | Alta asociación entre amount=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.839), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | savings__sin cuenta de ahorros | 0.611898 | ALTO | Alta asociación entre amount=1 y savings__sin cuenta de ahorros=1 (proporción 0.612), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | employ__desempleado | 0.943343 | ALTO | Alta asociación entre amount=1 y employ__desempleado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | employ__empleado de 1 a 4 años | 0.662890 | ALTO | Alta asociación entre amount=1 y employ__empleado de 1 a 4 años=0 (proporción 0.663), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | employ__empleado de 4 a 7 años | 0.841360 | ALTO | Alta asociación entre amount=1 y employ__empleado de 4 a 7 años=0 (proporción 0.841), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | employ__empleado menos de 1 año | 0.818697 | ALTO | Alta asociación entre amount=1 y employ__empleado menos de 1 año=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | employ__empleado más de 7 años | 0.733711 | ALTO | Alta asociación entre amount=1 y employ__empleado más de 7 años=0 (proporción 0.734), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | others__co-deudor | 0.980170 | ALTO | Alta asociación entre amount=1 y others__co-deudor=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | others__garante | 0.937677 | ALTO | Alta asociación entre amount=1 y others__garante=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | others__ninguno | 0.917847 | ALTO | Alta asociación entre amount=1 y others__ninguno=1 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | property__automóvil | 0.739377 | ALTO | Alta asociación entre amount=1 y property__automóvil=0 (proporción 0.739), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | property__bienes inmuebles | 0.606232 | ALTO | Alta asociación entre amount=1 y property__bienes inmuebles=0 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | property__seguro de vida | 0.762040 | ALTO | Alta asociación entre amount=1 y property__seguro de vida=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | property__sin propiedad | 0.892351 | ALTO | Alta asociación entre amount=1 y property__sin propiedad=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | otherplans__banco | 0.954674 | ALTO | Alta asociación entre amount=1 y otherplans__banco=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | otherplans__ninguno | 0.881020 | ALTO | Alta asociación entre amount=1 y otherplans__ninguno=0 (proporción 0.881), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | otherplans__tiendas | 0.835694 | ALTO | Alta asociación entre amount=1 y otherplans__tiendas=1 (proporción 0.836), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | housing__alquiler | 0.838527 | ALTO | Alta asociación entre amount=1 y housing__alquiler=0 (proporción 0.839), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | housing__gratis | 0.917847 | ALTO | Alta asociación entre amount=1 y housing__gratis=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | housing__propietario | 0.756374 | ALTO | Alta asociación entre amount=1 y housing__propietario=1 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | job__altamente calificado/funcionario | 0.915014 | ALTO | Alta asociación entre amount=1 y job__altamente calificado/funcionario=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | job__calificado | 0.606232 | ALTO | Alta asociación entre amount=1 y job__calificado=1 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | job__desempleado/no calificado | 0.963173 | ALTO | Alta asociación entre amount=1 y job__desempleado/no calificado=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | job__no calificado residente | 0.728045 | ALTO | Alta asociación entre amount=1 y job__no calificado residente=0 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | telephone__no | 0.688385 | ALTO | Alta asociación entre amount=1 y telephone__no=1 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | telephone__sí | 0.688385 | ALTO | Alta asociación entre amount=1 y telephone__sí=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | estado_civil__casado/viudo | 0.861190 | ALTO | Alta asociación entre amount=1 y estado_civil__casado/viudo=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | estado_civil__divorciada/separada/casada | 0.617564 | ALTO | Alta asociación entre amount=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.618), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | estado_civil__divorciado/separado | 0.966006 | ALTO | Alta asociación entre amount=1 y estado_civil__divorciado/separado=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| amount | estado_civil__soltero | 0.555241 | ALTO | Alta asociación entre amount=1 y estado_civil__soltero=0 (proporción 0.555), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | age | 0.047619 | BAJO | Baja asociación entre installment=1 y age=(61.25, 75.0] (proporción 0.048), que sugiere baja dependencia entre estos atributos. |
| installment | cards | 0.038095 | BAJO | Baja asociación entre installment=1 y cards=3 (proporción 0.038), que sugiere baja dependencia entre estos atributos. |
| installment | liable | 0.771429 | ALTO | Alta asociación entre installment=1 y liable=1 (proporción 0.771), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | foreign | 0.904762 | ALTO | Alta asociación entre installment=1 y foreign=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | existingchecking__saldo positivo hasta 200 DM | 0.695238 | ALTO | Alta asociación entre installment=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.695), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | existingchecking__saldo positivo superior a 200 DM | 0.933333 | ALTO | Alta asociación entre installment=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | existingchecking__sin cuenta corriente | 0.733333 | ALTO | Alta asociación entre installment=1 y existingchecking__sin cuenta corriente=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | existingchecking__sin saldo | 0.638095 | ALTO | Alta asociación entre installment=1 y existingchecking__sin saldo=0 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | history__créditos existentes pagados puntualmente hasta ahora | 0.542857 | ALTO | Alta asociación entre installment=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.752381 | ALTO | Alta asociación entre installment=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | history__no créditos tomados | 0.952381 | ALTO | Alta asociación entre installment=1 y history__no créditos tomados=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | history__retraso en el pago en el pasado | 0.904762 | ALTO | Alta asociación entre installment=1 y history__retraso en el pago en el pasado=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | history__todos los créditos en este banco devueltos a tiempo | 0.933333 | ALTO | Alta asociación entre installment=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__coche nuevo | 0.666667 | ALTO | Alta asociación entre installment=1 y purpose__coche nuevo=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__coche usado | 0.847619 | ALTO | Alta asociación entre installment=1 y purpose__coche usado=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__educación | 0.980952 | ALTO | Alta asociación entre installment=1 y purpose__educación=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__electrodomésticos | 0.980952 | ALTO | Alta asociación entre installment=1 y purpose__electrodomésticos=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__muebles/equipo | 0.790476 | ALTO | Alta asociación entre installment=1 y purpose__muebles/equipo=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__negocios | 0.914286 | ALTO | Alta asociación entre installment=1 y purpose__negocios=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__otros | 0.990476 | ALTO | Alta asociación entre installment=1 y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__radio/TV | 0.847619 | ALTO | Alta asociación entre installment=1 y purpose__radio/TV=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__reparaciones | 0.990476 | ALTO | Alta asociación entre installment=1 y purpose__reparaciones=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | purpose__retraining | 0.990476 | ALTO | Alta asociación entre installment=1 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | savings__saldo positivo de 100 a 500 DM | 0.942857 | ALTO | Alta asociación entre installment=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | savings__saldo positivo de 500 a 1000 DM | 0.971429 | ALTO | Alta asociación entre installment=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | savings__saldo positivo hasta 100 DM | 0.895238 | ALTO | Alta asociación entre installment=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | savings__saldo positivo superior a 1000 DM | 0.761905 | ALTO | Alta asociación entre installment=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | savings__sin cuenta de ahorros | 0.571429 | ALTO | Alta asociación entre installment=1 y savings__sin cuenta de ahorros=1 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | employ__desempleado | 0.923810 | ALTO | Alta asociación entre installment=1 y employ__desempleado=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | employ__empleado de 1 a 4 años | 0.628571 | ALTO | Alta asociación entre installment=1 y employ__empleado de 1 a 4 años=0 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | employ__empleado de 4 a 7 años | 0.904762 | ALTO | Alta asociación entre installment=1 y employ__empleado de 4 a 7 años=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | employ__empleado menos de 1 año | 0.742857 | ALTO | Alta asociación entre installment=1 y employ__empleado menos de 1 año=0 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | employ__empleado más de 7 años | 0.800000 | ALTO | Alta asociación entre installment=1 y employ__empleado más de 7 años=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | others__co-deudor | 0.961905 | ALTO | Alta asociación entre installment=1 y others__co-deudor=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | others__garante | 0.923810 | ALTO | Alta asociación entre installment=1 y others__garante=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | others__ninguno | 0.885714 | ALTO | Alta asociación entre installment=1 y others__ninguno=1 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | property__automóvil | 0.714286 | ALTO | Alta asociación entre installment=1 y property__automóvil=0 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | property__bienes inmuebles | 0.647619 | ALTO | Alta asociación entre installment=1 y property__bienes inmuebles=0 (proporción 0.648), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | property__seguro de vida | 0.723810 | ALTO | Alta asociación entre installment=1 y property__seguro de vida=0 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | property__sin propiedad | 0.914286 | ALTO | Alta asociación entre installment=1 y property__sin propiedad=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | otherplans__banco | 0.961905 | ALTO | Alta asociación entre installment=1 y otherplans__banco=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | otherplans__ninguno | 0.857143 | ALTO | Alta asociación entre installment=1 y otherplans__ninguno=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | otherplans__tiendas | 0.819048 | ALTO | Alta asociación entre installment=1 y otherplans__tiendas=1 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | housing__alquiler | 0.780952 | ALTO | Alta asociación entre installment=1 y housing__alquiler=0 (proporción 0.781), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | housing__gratis | 0.952381 | ALTO | Alta asociación entre installment=1 y housing__gratis=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | housing__propietario | 0.733333 | ALTO | Alta asociación entre installment=1 y housing__propietario=1 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | job__altamente calificado/funcionario | 0.885714 | ALTO | Alta asociación entre installment=1 y job__altamente calificado/funcionario=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | job__calificado | 0.590476 | ALTO | Alta asociación entre installment=1 y job__calificado=1 (proporción 0.590), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | job__desempleado/no calificado | 0.952381 | ALTO | Alta asociación entre installment=1 y job__desempleado/no calificado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | job__no calificado residente | 0.752381 | ALTO | Alta asociación entre installment=1 y job__no calificado residente=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | telephone__no | 0.609524 | ALTO | Alta asociación entre installment=1 y telephone__no=1 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | telephone__sí | 0.609524 | ALTO | Alta asociación entre installment=1 y telephone__sí=0 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | estado_civil__casado/viudo | 0.904762 | ALTO | Alta asociación entre installment=1 y estado_civil__casado/viudo=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | estado_civil__divorciada/separada/casada | 0.533333 | ALTO | Alta asociación entre installment=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.533), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | estado_civil__divorciado/separado | 0.904762 | ALTO | Alta asociación entre installment=1 y estado_civil__divorciado/separado=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| installment | estado_civil__soltero | 0.657143 | ALTO | Alta asociación entre installment=1 y estado_civil__soltero=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | age | 0.018692 | BAJO | Baja asociación entre residence=1 y age=(47.5, 61.25] (proporción 0.019), que sugiere baja dependencia entre estos atributos. |
| residence | cards | 0.028037 | BAJO | Baja asociación entre residence=1 y cards=3 (proporción 0.028), que sugiere baja dependencia entre estos atributos. |
| residence | liable | 0.869159 | ALTO | Alta asociación entre residence=1 y liable=1 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | foreign | 0.971963 | ALTO | Alta asociación entre residence=1 y foreign=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | existingchecking__saldo positivo hasta 200 DM | 0.691589 | ALTO | Alta asociación entre residence=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | existingchecking__saldo positivo superior a 200 DM | 0.906542 | ALTO | Alta asociación entre residence=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | existingchecking__sin cuenta corriente | 0.728972 | ALTO | Alta asociación entre residence=1 y existingchecking__sin cuenta corriente=0 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | existingchecking__sin saldo | 0.672897 | ALTO | Alta asociación entre residence=1 y existingchecking__sin saldo=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | history__créditos existentes pagados puntualmente hasta ahora | 0.616822 | ALTO | Alta asociación entre residence=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.617), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.775701 | ALTO | Alta asociación entre residence=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | history__no créditos tomados | 0.943925 | ALTO | Alta asociación entre residence=1 y history__no créditos tomados=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | history__retraso en el pago en el pasado | 0.925234 | ALTO | Alta asociación entre residence=1 y history__retraso en el pago en el pasado=0 (proporción 0.925), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | history__todos los créditos en este banco devueltos a tiempo | 0.971963 | ALTO | Alta asociación entre residence=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__coche nuevo | 0.813084 | ALTO | Alta asociación entre residence=1 y purpose__coche nuevo=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__coche usado | 0.953271 | ALTO | Alta asociación entre residence=1 y purpose__coche usado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__educación | 0.943925 | ALTO | Alta asociación entre residence=1 y purpose__educación=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__electrodomésticos | 0.981308 | ALTO | Alta asociación entre residence=1 y purpose__electrodomésticos=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__muebles/equipo | 0.785047 | ALTO | Alta asociación entre residence=1 y purpose__muebles/equipo=0 (proporción 0.785), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__negocios | 0.869159 | ALTO | Alta asociación entre residence=1 y purpose__negocios=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__otros | 1.000000 | ALTO | Alta asociación entre residence=1 y purpose__otros=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__radio/TV | 0.682243 | ALTO | Alta asociación entre residence=1 y purpose__radio/TV=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__reparaciones | 0.971963 | ALTO | Alta asociación entre residence=1 y purpose__reparaciones=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | purpose__retraining | 1.000000 | ALTO | Alta asociación entre residence=1 y purpose__retraining=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | savings__saldo positivo de 100 a 500 DM | 0.953271 | ALTO | Alta asociación entre residence=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | savings__saldo positivo de 500 a 1000 DM | 0.981308 | ALTO | Alta asociación entre residence=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | savings__saldo positivo hasta 100 DM | 0.906542 | ALTO | Alta asociación entre residence=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | savings__saldo positivo superior a 1000 DM | 0.897196 | ALTO | Alta asociación entre residence=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | savings__sin cuenta de ahorros | 0.738318 | ALTO | Alta asociación entre residence=1 y savings__sin cuenta de ahorros=1 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | employ__desempleado | 0.971963 | ALTO | Alta asociación entre residence=1 y employ__desempleado=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | employ__empleado de 1 a 4 años | 0.775701 | ALTO | Alta asociación entre residence=1 y employ__empleado de 1 a 4 años=0 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | employ__empleado de 4 a 7 años | 0.747664 | ALTO | Alta asociación entre residence=1 y employ__empleado de 4 a 7 años=0 (proporción 0.748), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | employ__empleado menos de 1 año | 0.588785 | ALTO | Alta asociación entre residence=1 y employ__empleado menos de 1 año=0 (proporción 0.589), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | employ__empleado más de 7 años | 0.915888 | ALTO | Alta asociación entre residence=1 y employ__empleado más de 7 años=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | others__co-deudor | 0.953271 | ALTO | Alta asociación entre residence=1 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | others__garante | 0.943925 | ALTO | Alta asociación entre residence=1 y others__garante=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | others__ninguno | 0.897196 | ALTO | Alta asociación entre residence=1 y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | property__automóvil | 0.728972 | ALTO | Alta asociación entre residence=1 y property__automóvil=0 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | property__bienes inmuebles | 0.635514 | ALTO | Alta asociación entre residence=1 y property__bienes inmuebles=0 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | property__seguro de vida | 0.738318 | ALTO | Alta asociación entre residence=1 y property__seguro de vida=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | property__sin propiedad | 0.897196 | ALTO | Alta asociación entre residence=1 y property__sin propiedad=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | otherplans__banco | 0.934579 | ALTO | Alta asociación entre residence=1 y otherplans__banco=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | otherplans__ninguno | 0.887850 | ALTO | Alta asociación entre residence=1 y otherplans__ninguno=0 (proporción 0.888), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | otherplans__tiendas | 0.822430 | ALTO | Alta asociación entre residence=1 y otherplans__tiendas=1 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | housing__alquiler | 0.915888 | ALTO | Alta asociación entre residence=1 y housing__alquiler=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | housing__gratis | 0.962617 | ALTO | Alta asociación entre residence=1 y housing__gratis=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | housing__propietario | 0.878505 | ALTO | Alta asociación entre residence=1 y housing__propietario=1 (proporción 0.879), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | job__altamente calificado/funcionario | 0.887850 | ALTO | Alta asociación entre residence=1 y job__altamente calificado/funcionario=0 (proporción 0.888), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | job__calificado | 0.644860 | ALTO | Alta asociación entre residence=1 y job__calificado=1 (proporción 0.645), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | job__desempleado/no calificado | 0.953271 | ALTO | Alta asociación entre residence=1 y job__desempleado/no calificado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | job__no calificado residente | 0.803738 | ALTO | Alta asociación entre residence=1 y job__no calificado residente=0 (proporción 0.804), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | telephone__no | 0.682243 | ALTO | Alta asociación entre residence=1 y telephone__no=1 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | telephone__sí | 0.682243 | ALTO | Alta asociación entre residence=1 y telephone__sí=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | estado_civil__casado/viudo | 0.915888 | ALTO | Alta asociación entre residence=1 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | estado_civil__divorciada/separada/casada | 0.598131 | ALTO | Alta asociación entre residence=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | estado_civil__divorciado/separado | 0.934579 | ALTO | Alta asociación entre residence=1 y estado_civil__divorciado/separado=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| residence | estado_civil__soltero | 0.551402 | ALTO | Alta asociación entre residence=1 y estado_civil__soltero=0 (proporción 0.551), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | cards | 0.007160 | BAJO | Baja asociación entre age=(19.945, 33.75] y cards=3 (proporción 0.007), que sugiere baja dependencia entre estos atributos. |
| age | liable | 0.909308 | ALTO | Alta asociación entre age=(19.945, 33.75] y liable=1 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | foreign | 0.961814 | ALTO | Alta asociación entre age=(19.945, 33.75] y foreign=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | existingchecking__saldo positivo hasta 200 DM | 0.718377 | ALTO | Alta asociación entre age=(19.945, 33.75] y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.718), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | existingchecking__saldo positivo superior a 200 DM | 0.947494 | ALTO | Alta asociación entre age=(19.945, 33.75] y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | existingchecking__sin cuenta corriente | 0.708831 | ALTO | Alta asociación entre age=(19.945, 33.75] y existingchecking__sin cuenta corriente=0 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | existingchecking__sin saldo | 0.625298 | ALTO | Alta asociación entre age=(19.945, 33.75] y existingchecking__sin saldo=0 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | history__créditos existentes pagados puntualmente hasta ahora | 0.606205 | ALTO | Alta asociación entre age=(19.945, 33.75] y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.780430 | ALTO | Alta asociación entre age=(19.945, 33.75] y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.780), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | history__no créditos tomados | 0.945107 | ALTO | Alta asociación entre age=(19.945, 33.75] y history__no créditos tomados=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | history__retraso en el pago en el pasado | 0.918854 | ALTO | Alta asociación entre age=(19.945, 33.75] y history__retraso en el pago en el pasado=0 (proporción 0.919), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | history__todos los créditos en este banco devueltos a tiempo | 0.961814 | ALTO | Alta asociación entre age=(19.945, 33.75] y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__coche nuevo | 0.797136 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__coche nuevo=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__coche usado | 0.921241 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__coche usado=0 (proporción 0.921), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__educación | 0.964200 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__educación=0 (proporción 0.964), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__electrodomésticos | 0.988067 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__electrodomésticos=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__muebles/equipo | 0.780430 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__muebles/equipo=0 (proporción 0.780), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__negocios | 0.892601 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__negocios=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__otros | 0.990453 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__radio/TV | 0.699284 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__radio/TV=0 (proporción 0.699), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__reparaciones | 0.973747 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | purpose__retraining | 0.992840 | ALTO | Alta asociación entre age=(19.945, 33.75] y purpose__retraining=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | savings__saldo positivo de 100 a 500 DM | 0.949881 | ALTO | Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | savings__saldo positivo de 500 a 1000 DM | 0.966587 | ALTO | Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.967), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | savings__saldo positivo hasta 100 DM | 0.866348 | ALTO | Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo hasta 100 DM=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | savings__saldo positivo superior a 1000 DM | 0.849642 | ALTO | Alta asociación entre age=(19.945, 33.75] y savings__saldo positivo superior a 1000 DM=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | savings__sin cuenta de ahorros | 0.632458 | ALTO | Alta asociación entre age=(19.945, 33.75] y savings__sin cuenta de ahorros=1 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | employ__desempleado | 0.959427 | ALTO | Alta asociación entre age=(19.945, 33.75] y employ__desempleado=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | employ__empleado de 1 a 4 años | 0.594272 | ALTO | Alta asociación entre age=(19.945, 33.75] y employ__empleado de 1 a 4 años=0 (proporción 0.594), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | employ__empleado de 4 a 7 años | 0.806683 | ALTO | Alta asociación entre age=(19.945, 33.75] y employ__empleado de 4 a 7 años=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | employ__empleado menos de 1 año | 0.747017 | ALTO | Alta asociación entre age=(19.945, 33.75] y employ__empleado menos de 1 año=0 (proporción 0.747), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | employ__empleado más de 7 años | 0.892601 | ALTO | Alta asociación entre age=(19.945, 33.75] y employ__empleado más de 7 años=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | others__co-deudor | 0.949881 | ALTO | Alta asociación entre age=(19.945, 33.75] y others__co-deudor=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | others__garante | 0.947494 | ALTO | Alta asociación entre age=(19.945, 33.75] y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | others__ninguno | 0.897375 | ALTO | Alta asociación entre age=(19.945, 33.75] y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | property__automóvil | 0.620525 | ALTO | Alta asociación entre age=(19.945, 33.75] y property__automóvil=0 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | property__bienes inmuebles | 0.711217 | ALTO | Alta asociación entre age=(19.945, 33.75] y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | property__seguro de vida | 0.751790 | ALTO | Alta asociación entre age=(19.945, 33.75] y property__seguro de vida=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | property__sin propiedad | 0.916468 | ALTO | Alta asociación entre age=(19.945, 33.75] y property__sin propiedad=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | otherplans__banco | 0.957041 | ALTO | Alta asociación entre age=(19.945, 33.75] y otherplans__banco=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | otherplans__ninguno | 0.868735 | ALTO | Alta asociación entre age=(19.945, 33.75] y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | otherplans__tiendas | 0.825776 | ALTO | Alta asociación entre age=(19.945, 33.75] y otherplans__tiendas=1 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | housing__alquiler | 0.766110 | ALTO | Alta asociación entre age=(19.945, 33.75] y housing__alquiler=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | housing__gratis | 0.964200 | ALTO | Alta asociación entre age=(19.945, 33.75] y housing__gratis=0 (proporción 0.964), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | housing__propietario | 0.730310 | ALTO | Alta asociación entre age=(19.945, 33.75] y housing__propietario=1 (proporción 0.730), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | job__altamente calificado/funcionario | 0.892601 | ALTO | Alta asociación entre age=(19.945, 33.75] y job__altamente calificado/funcionario=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | job__calificado | 0.692124 | ALTO | Alta asociación entre age=(19.945, 33.75] y job__calificado=1 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | job__desempleado/no calificado | 0.983294 | ALTO | Alta asociación entre age=(19.945, 33.75] y job__desempleado/no calificado=0 (proporción 0.983), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | job__no calificado residente | 0.816229 | ALTO | Alta asociación entre age=(19.945, 33.75] y job__no calificado residente=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | telephone__no | 0.682578 | ALTO | Alta asociación entre age=(19.945, 33.75] y telephone__no=1 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | telephone__sí | 0.682578 | ALTO | Alta asociación entre age=(19.945, 33.75] y telephone__sí=0 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | estado_civil__casado/viudo | 0.866348 | ALTO | Alta asociación entre age=(19.945, 33.75] y estado_civil__casado/viudo=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | estado_civil__divorciada/separada/casada | 0.591885 | ALTO | Alta asociación entre age=(19.945, 33.75] y estado_civil__divorciada/separada/casada=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | estado_civil__divorciado/separado | 0.959427 | ALTO | Alta asociación entre age=(19.945, 33.75] y estado_civil__divorciado/separado=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| age | estado_civil__soltero | 0.582339 | ALTO | Alta asociación entre age=(19.945, 33.75] y estado_civil__soltero=0 (proporción 0.582), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | liable | 0.864271 | ALTO | Alta asociación entre cards=1 y liable=1 (proporción 0.864), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | foreign | 0.958084 | ALTO | Alta asociación entre cards=1 y foreign=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | existingchecking__saldo positivo hasta 200 DM | 0.732535 | ALTO | Alta asociación entre cards=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | existingchecking__saldo positivo superior a 200 DM | 0.926148 | ALTO | Alta asociación entre cards=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.926), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | existingchecking__sin cuenta corriente | 0.702595 | ALTO | Alta asociación entre cards=1 y existingchecking__sin cuenta corriente=0 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | existingchecking__sin saldo | 0.638723 | ALTO | Alta asociación entre cards=1 y existingchecking__sin saldo=0 (proporción 0.639), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | history__créditos existentes pagados puntualmente hasta ahora | 0.776447 | ALTO | Alta asociación entre cards=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.886228 | ALTO | Alta asociación entre cards=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | history__no créditos tomados | 0.980040 | ALTO | Alta asociación entre cards=1 y history__no créditos tomados=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | history__retraso en el pago en el pasado | 0.962076 | ALTO | Alta asociación entre cards=1 y history__retraso en el pago en el pasado=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | history__todos los créditos en este banco devueltos a tiempo | 0.948104 | ALTO | Alta asociación entre cards=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__coche nuevo | 0.774451 | ALTO | Alta asociación entre cards=1 y purpose__coche nuevo=0 (proporción 0.774), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__coche usado | 0.902196 | ALTO | Alta asociación entre cards=1 y purpose__coche usado=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__educación | 0.950100 | ALTO | Alta asociación entre cards=1 y purpose__educación=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__electrodomésticos | 0.984032 | ALTO | Alta asociación entre cards=1 y purpose__electrodomésticos=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__muebles/equipo | 0.790419 | ALTO | Alta asociación entre cards=1 y purpose__muebles/equipo=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__negocios | 0.924152 | ALTO | Alta asociación entre cards=1 y purpose__negocios=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__otros | 0.992016 | ALTO | Alta asociación entre cards=1 y purpose__otros=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__radio/TV | 0.708583 | ALTO | Alta asociación entre cards=1 y purpose__radio/TV=0 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__reparaciones | 0.982036 | ALTO | Alta asociación entre cards=1 y purpose__reparaciones=0 (proporción 0.982), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | purpose__retraining | 0.992016 | ALTO | Alta asociación entre cards=1 y purpose__retraining=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | savings__saldo positivo de 100 a 500 DM | 0.930140 | ALTO | Alta asociación entre cards=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.930), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | savings__saldo positivo de 500 a 1000 DM | 0.962076 | ALTO | Alta asociación entre cards=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | savings__saldo positivo hasta 100 DM | 0.888224 | ALTO | Alta asociación entre cards=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.888), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | savings__saldo positivo superior a 1000 DM | 0.808383 | ALTO | Alta asociación entre cards=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.808), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | savings__sin cuenta de ahorros | 0.588822 | ALTO | Alta asociación entre cards=1 y savings__sin cuenta de ahorros=1 (proporción 0.589), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | employ__desempleado | 0.948104 | ALTO | Alta asociación entre cards=1 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | employ__empleado de 1 a 4 años | 0.648703 | ALTO | Alta asociación entre cards=1 y employ__empleado de 1 a 4 años=0 (proporción 0.649), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | employ__empleado de 4 a 7 años | 0.832335 | ALTO | Alta asociación entre cards=1 y employ__empleado de 4 a 7 años=0 (proporción 0.832), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | employ__empleado menos de 1 año | 0.800399 | ALTO | Alta asociación entre cards=1 y employ__empleado menos de 1 año=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | employ__empleado más de 7 años | 0.770459 | ALTO | Alta asociación entre cards=1 y employ__empleado más de 7 años=0 (proporción 0.770), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | others__co-deudor | 0.958084 | ALTO | Alta asociación entre cards=1 y others__co-deudor=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | others__garante | 0.942116 | ALTO | Alta asociación entre cards=1 y others__garante=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | others__ninguno | 0.900200 | ALTO | Alta asociación entre cards=1 y others__ninguno=1 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | property__automóvil | 0.672655 | ALTO | Alta asociación entre cards=1 y property__automóvil=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | property__bienes inmuebles | 0.710579 | ALTO | Alta asociación entre cards=1 y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | property__seguro de vida | 0.764471 | ALTO | Alta asociación entre cards=1 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | property__sin propiedad | 0.852295 | ALTO | Alta asociación entre cards=1 y property__sin propiedad=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | otherplans__banco | 0.954092 | ALTO | Alta asociación entre cards=1 y otherplans__banco=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | otherplans__ninguno | 0.878244 | ALTO | Alta asociación entre cards=1 y otherplans__ninguno=0 (proporción 0.878), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | otherplans__tiendas | 0.832335 | ALTO | Alta asociación entre cards=1 y otherplans__tiendas=1 (proporción 0.832), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | housing__alquiler | 0.810379 | ALTO | Alta asociación entre cards=1 y housing__alquiler=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | housing__gratis | 0.892216 | ALTO | Alta asociación entre cards=1 y housing__gratis=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | housing__propietario | 0.702595 | ALTO | Alta asociación entre cards=1 y housing__propietario=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | job__altamente calificado/funcionario | 0.842315 | ALTO | Alta asociación entre cards=1 y job__altamente calificado/funcionario=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | job__calificado | 0.624750 | ALTO | Alta asociación entre cards=1 y job__calificado=1 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | job__desempleado/no calificado | 0.984032 | ALTO | Alta asociación entre cards=1 y job__desempleado/no calificado=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | job__no calificado residente | 0.798403 | ALTO | Alta asociación entre cards=1 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | telephone__no | 0.610778 | ALTO | Alta asociación entre cards=1 y telephone__no=1 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | telephone__sí | 0.610778 | ALTO | Alta asociación entre cards=1 y telephone__sí=0 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | estado_civil__casado/viudo | 0.902196 | ALTO | Alta asociación entre cards=1 y estado_civil__casado/viudo=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | estado_civil__divorciada/separada/casada | 0.646707 | ALTO | Alta asociación entre cards=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.647), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | estado_civil__divorciado/separado | 0.950100 | ALTO | Alta asociación entre cards=1 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| cards | estado_civil__soltero | 0.500998 | ALTO | Alta asociación entre cards=1 y estado_civil__soltero=0 (proporción 0.501), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | foreign | 0.970105 | ALTO | Alta asociación entre liable=1 y foreign=0 (proporción 0.970), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | existingchecking__saldo positivo hasta 200 DM | 0.738416 | ALTO | Alta asociación entre liable=1 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | existingchecking__saldo positivo superior a 200 DM | 0.934230 | ALTO | Alta asociación entre liable=1 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.934), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | existingchecking__sin cuenta corriente | 0.732436 | ALTO | Alta asociación entre liable=1 y existingchecking__sin cuenta corriente=0 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | existingchecking__sin saldo | 0.594918 | ALTO | Alta asociación entre liable=1 y existingchecking__sin saldo=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | history__créditos existentes pagados puntualmente hasta ahora | 0.550075 | ALTO | Alta asociación entre liable=1 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.550), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.701046 | ALTO | Alta asociación entre liable=1 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | history__no créditos tomados | 0.959641 | ALTO | Alta asociación entre liable=1 y history__no créditos tomados=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | history__retraso en el pago en el pasado | 0.923767 | ALTO | Alta asociación entre liable=1 y history__retraso en el pago en el pasado=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | history__todos los créditos en este banco devueltos a tiempo | 0.965620 | ALTO | Alta asociación entre liable=1 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__coche nuevo | 0.787743 | ALTO | Alta asociación entre liable=1 y purpose__coche nuevo=0 (proporción 0.788), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__coche usado | 0.907324 | ALTO | Alta asociación entre liable=1 y purpose__coche usado=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__educación | 0.956652 | ALTO | Alta asociación entre liable=1 y purpose__educación=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__electrodomésticos | 0.988042 | ALTO | Alta asociación entre liable=1 y purpose__electrodomésticos=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__muebles/equipo | 0.796712 | ALTO | Alta asociación entre liable=1 y purpose__muebles/equipo=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__negocios | 0.901345 | ALTO | Alta asociación entre liable=1 y purpose__negocios=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__otros | 0.991031 | ALTO | Alta asociación entre liable=1 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__radio/TV | 0.704036 | ALTO | Alta asociación entre liable=1 y purpose__radio/TV=0 (proporción 0.704), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__reparaciones | 0.976084 | ALTO | Alta asociación entre liable=1 y purpose__reparaciones=0 (proporción 0.976), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | purpose__retraining | 0.991031 | ALTO | Alta asociación entre liable=1 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | savings__saldo positivo de 100 a 500 DM | 0.937220 | ALTO | Alta asociación entre liable=1 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | savings__saldo positivo de 500 a 1000 DM | 0.955157 | ALTO | Alta asociación entre liable=1 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | savings__saldo positivo hasta 100 DM | 0.890882 | ALTO | Alta asociación entre liable=1 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | savings__saldo positivo superior a 1000 DM | 0.822123 | ALTO | Alta asociación entre liable=1 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | savings__sin cuenta de ahorros | 0.605381 | ALTO | Alta asociación entre liable=1 y savings__sin cuenta de ahorros=1 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | employ__desempleado | 0.944694 | ALTO | Alta asociación entre liable=1 y employ__desempleado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | employ__empleado de 1 a 4 años | 0.657698 | ALTO | Alta asociación entre liable=1 y employ__empleado de 1 a 4 años=0 (proporción 0.658), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | employ__empleado de 4 a 7 años | 0.828102 | ALTO | Alta asociación entre liable=1 y employ__empleado de 4 a 7 años=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | employ__empleado menos de 1 año | 0.814649 | ALTO | Alta asociación entre liable=1 y employ__empleado menos de 1 año=0 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | employ__empleado más de 7 años | 0.754858 | ALTO | Alta asociación entre liable=1 y employ__empleado más de 7 años=0 (proporción 0.755), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | others__co-deudor | 0.952167 | ALTO | Alta asociación entre liable=1 y others__co-deudor=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | others__garante | 0.955157 | ALTO | Alta asociación entre liable=1 y others__garante=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | others__ninguno | 0.907324 | ALTO | Alta asociación entre liable=1 y others__ninguno=1 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | property__automóvil | 0.656203 | ALTO | Alta asociación entre liable=1 y property__automóvil=0 (proporción 0.656), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | property__bienes inmuebles | 0.711510 | ALTO | Alta asociación entre liable=1 y property__bienes inmuebles=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | property__seguro de vida | 0.763827 | ALTO | Alta asociación entre liable=1 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | property__sin propiedad | 0.868460 | ALTO | Alta asociación entre liable=1 y property__sin propiedad=0 (proporción 0.868), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | otherplans__banco | 0.950673 | ALTO | Alta asociación entre liable=1 y otherplans__banco=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | otherplans__ninguno | 0.881913 | ALTO | Alta asociación entre liable=1 y otherplans__ninguno=0 (proporción 0.882), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | otherplans__tiendas | 0.832586 | ALTO | Alta asociación entre liable=1 y otherplans__tiendas=1 (proporción 0.833), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | housing__alquiler | 0.817638 | ALTO | Alta asociación entre liable=1 y housing__alquiler=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | housing__gratis | 0.914798 | ALTO | Alta asociación entre liable=1 y housing__gratis=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | housing__propietario | 0.732436 | ALTO | Alta asociación entre liable=1 y housing__propietario=1 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | job__altamente calificado/funcionario | 0.853513 | ALTO | Alta asociación entre liable=1 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | job__calificado | 0.659193 | ALTO | Alta asociación entre liable=1 y job__calificado=1 (proporción 0.659), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | job__desempleado/no calificado | 0.979073 | ALTO | Alta asociación entre liable=1 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | job__no calificado residente | 0.826607 | ALTO | Alta asociación entre liable=1 y job__no calificado residente=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | telephone__no | 0.599402 | ALTO | Alta asociación entre liable=1 y telephone__no=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | telephone__sí | 0.599402 | ALTO | Alta asociación entre liable=1 y telephone__sí=0 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | estado_civil__casado/viudo | 0.895366 | ALTO | Alta asociación entre liable=1 y estado_civil__casado/viudo=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | estado_civil__divorciada/separada/casada | 0.641256 | ALTO | Alta asociación entre liable=1 y estado_civil__divorciada/separada/casada=0 (proporción 0.641), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | estado_civil__divorciado/separado | 0.941704 | ALTO | Alta asociación entre liable=1 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| liable | estado_civil__soltero | 0.521674 | ALTO | Alta asociación entre liable=1 y estado_civil__soltero=0 (proporción 0.522), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | existingchecking__saldo positivo hasta 200 DM | 0.744819 | ALTO | Alta asociación entre foreign=0 y existingchecking__saldo positivo hasta 200 DM=0 (proporción 0.745), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | existingchecking__saldo positivo superior a 200 DM | 0.937824 | ALTO | Alta asociación entre foreign=0 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | existingchecking__sin cuenta corriente | 0.724093 | ALTO | Alta asociación entre foreign=0 y existingchecking__sin cuenta corriente=0 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | existingchecking__sin saldo | 0.593264 | ALTO | Alta asociación entre foreign=0 y existingchecking__sin saldo=0 (proporción 0.593), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | history__créditos existentes pagados puntualmente hasta ahora | 0.529793 | ALTO | Alta asociación entre foreign=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.530), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.693005 | ALTO | Alta asociación entre foreign=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | history__no créditos tomados | 0.958549 | ALTO | Alta asociación entre foreign=0 y history__no créditos tomados=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | history__retraso en el pago en el pasado | 0.918394 | ALTO | Alta asociación entre foreign=0 y history__retraso en el pago en el pasado=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | history__todos los créditos en este banco devueltos a tiempo | 0.959845 | ALTO | Alta asociación entre foreign=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__coche nuevo | 0.778497 | ALTO | Alta asociación entre foreign=0 y purpose__coche nuevo=0 (proporción 0.778), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__coche usado | 0.896373 | ALTO | Alta asociación entre foreign=0 y purpose__coche usado=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__educación | 0.952073 | ALTO | Alta asociación entre foreign=0 y purpose__educación=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__electrodomésticos | 0.989637 | ALTO | Alta asociación entre foreign=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__muebles/equipo | 0.812176 | ALTO | Alta asociación entre foreign=0 y purpose__muebles/equipo=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__negocios | 0.900259 | ALTO | Alta asociación entre foreign=0 y purpose__negocios=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__otros | 0.990933 | ALTO | Alta asociación entre foreign=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__radio/TV | 0.713731 | ALTO | Alta asociación entre foreign=0 y purpose__radio/TV=0 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__reparaciones | 0.975389 | ALTO | Alta asociación entre foreign=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | purpose__retraining | 0.990933 | ALTO | Alta asociación entre foreign=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | savings__saldo positivo de 100 a 500 DM | 0.937824 | ALTO | Alta asociación entre foreign=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | savings__saldo positivo de 500 a 1000 DM | 0.957254 | ALTO | Alta asociación entre foreign=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | savings__saldo positivo hasta 100 DM | 0.892487 | ALTO | Alta asociación entre foreign=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | savings__saldo positivo superior a 1000 DM | 0.813472 | ALTO | Alta asociación entre foreign=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | savings__sin cuenta de ahorros | 0.601036 | ALTO | Alta asociación entre foreign=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | employ__desempleado | 0.944301 | ALTO | Alta asociación entre foreign=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | employ__empleado de 1 a 4 años | 0.670984 | ALTO | Alta asociación entre foreign=0 y employ__empleado de 1 a 4 años=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | employ__empleado de 4 a 7 años | 0.821244 | ALTO | Alta asociación entre foreign=0 y employ__empleado de 4 a 7 años=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | employ__empleado menos de 1 año | 0.829016 | ALTO | Alta asociación entre foreign=0 y employ__empleado menos de 1 año=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | employ__empleado más de 7 años | 0.734456 | ALTO | Alta asociación entre foreign=0 y employ__empleado más de 7 años=0 (proporción 0.734), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | others__co-deudor | 0.957254 | ALTO | Alta asociación entre foreign=0 y others__co-deudor=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | others__garante | 0.952073 | ALTO | Alta asociación entre foreign=0 y others__garante=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | others__ninguno | 0.909326 | ALTO | Alta asociación entre foreign=0 y others__ninguno=1 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | property__automóvil | 0.661917 | ALTO | Alta asociación entre foreign=0 y property__automóvil=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | property__bienes inmuebles | 0.718912 | ALTO | Alta asociación entre foreign=0 y property__bienes inmuebles=0 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | property__seguro de vida | 0.766839 | ALTO | Alta asociación entre foreign=0 y property__seguro de vida=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | property__sin propiedad | 0.852332 | ALTO | Alta asociación entre foreign=0 y property__sin propiedad=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | otherplans__banco | 0.946891 | ALTO | Alta asociación entre foreign=0 y otherplans__banco=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | otherplans__ninguno | 0.869171 | ALTO | Alta asociación entre foreign=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | otherplans__tiendas | 0.816062 | ALTO | Alta asociación entre foreign=0 y otherplans__tiendas=1 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | housing__alquiler | 0.829016 | ALTO | Alta asociación entre foreign=0 y housing__alquiler=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | housing__gratis | 0.893782 | ALTO | Alta asociación entre foreign=0 y housing__gratis=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | housing__propietario | 0.722798 | ALTO | Alta asociación entre foreign=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | job__altamente calificado/funcionario | 0.851036 | ALTO | Alta asociación entre foreign=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | job__calificado | 0.637306 | ALTO | Alta asociación entre foreign=0 y job__calificado=1 (proporción 0.637), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | job__desempleado/no calificado | 0.980570 | ALTO | Alta asociación entre foreign=0 y job__desempleado/no calificado=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | job__no calificado residente | 0.805699 | ALTO | Alta asociación entre foreign=0 y job__no calificado residente=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | telephone__no | 0.590674 | ALTO | Alta asociación entre foreign=0 y telephone__no=1 (proporción 0.591), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | telephone__sí | 0.590674 | ALTO | Alta asociación entre foreign=0 y telephone__sí=0 (proporción 0.591), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | estado_civil__casado/viudo | 0.911917 | ALTO | Alta asociación entre foreign=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | estado_civil__divorciada/separada/casada | 0.685233 | ALTO | Alta asociación entre foreign=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | estado_civil__divorciado/separado | 0.946891 | ALTO | Alta asociación entre foreign=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| foreign | estado_civil__soltero | 0.544041 | ALTO | Alta asociación entre foreign=0 y estado_civil__soltero=1 (proporción 0.544), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | existingchecking__saldo positivo superior a 200 DM | 0.914858 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y existingchecking__saldo positivo superior a 200 DM=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | existingchecking__sin cuenta corriente | 0.624374 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y existingchecking__sin cuenta corriente=0 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | existingchecking__sin saldo | 0.539232 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y existingchecking__sin saldo=1 (proporción 0.539), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | history__créditos existentes pagados puntualmente hasta ahora | 0.517529 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.518), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.652755 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.653), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | history__no créditos tomados | 0.968280 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__no créditos tomados=0 (proporción 0.968), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | history__retraso en el pago en el pasado | 0.933222 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__retraso en el pago en el pasado=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | history__todos los créditos en este banco devueltos a tiempo | 0.963272 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__coche nuevo | 0.766277 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__coche nuevo=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__coche usado | 0.884808 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__coche usado=0 (proporción 0.885), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__educación | 0.946578 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__educación=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__electrodomésticos | 0.986644 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__electrodomésticos=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__muebles/equipo | 0.806344 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__muebles/equipo=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__negocios | 0.921536 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__negocios=0 (proporción 0.922), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__otros | 0.993322 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__otros=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__radio/TV | 0.721202 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__radio/TV=0 (proporción 0.721), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__reparaciones | 0.979967 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__reparaciones=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | purpose__retraining | 0.993322 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y purpose__retraining=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | savings__saldo positivo de 100 a 500 DM | 0.934891 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | savings__saldo positivo de 500 a 1000 DM | 0.951586 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | savings__saldo positivo hasta 100 DM | 0.918197 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | savings__saldo positivo superior a 1000 DM | 0.804674 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | savings__sin cuenta de ahorros | 0.609349 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | employ__desempleado | 0.953255 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__desempleado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | employ__empleado de 1 a 4 años | 0.667780 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.668), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | employ__empleado de 4 a 7 años | 0.819699 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | employ__empleado menos de 1 año | 0.839733 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.840), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | employ__empleado más de 7 años | 0.719533 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y employ__empleado más de 7 años=0 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | others__co-deudor | 0.954925 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | others__garante | 0.958264 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y others__garante=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | others__ninguno | 0.913189 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y others__ninguno=1 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | property__automóvil | 0.679466 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__automóvil=0 (proporción 0.679), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | property__bienes inmuebles | 0.711185 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | property__seguro de vida | 0.756260 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__seguro de vida=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | property__sin propiedad | 0.853088 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y property__sin propiedad=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | otherplans__banco | 0.949917 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | otherplans__ninguno | 0.879800 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y otherplans__ninguno=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | otherplans__tiendas | 0.829716 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y otherplans__tiendas=1 (proporción 0.830), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | housing__alquiler | 0.823038 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y housing__alquiler=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | housing__gratis | 0.889816 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y housing__gratis=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | housing__propietario | 0.712855 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y housing__propietario=1 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | job__altamente calificado/funcionario | 0.858097 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | job__calificado | 0.652755 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__calificado=1 (proporción 0.653), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | job__desempleado/no calificado | 0.979967 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | job__no calificado residente | 0.814691 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y job__no calificado residente=0 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | telephone__no | 0.595993 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y telephone__no=1 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | telephone__sí | 0.595993 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y telephone__sí=0 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | estado_civil__casado/viudo | 0.923205 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__casado/viudo=0 (proporción 0.923), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | estado_civil__divorciada/separada/casada | 0.684474 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.684), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | estado_civil__divorciado/separado | 0.953255 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo hasta 200 DM | estado_civil__soltero | 0.560935 | ALTO | Alta asociación entre existingchecking__saldo positivo hasta 200 DM=0 y estado_civil__soltero=1 (proporción 0.561), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | existingchecking__sin cuenta corriente | 0.699599 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y existingchecking__sin cuenta corriente=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | existingchecking__sin saldo | 0.568758 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y existingchecking__sin saldo=0 (proporción 0.569), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | history__créditos existentes pagados puntualmente hasta ahora | 0.530040 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.530), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.692924 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | history__no créditos tomados | 0.957276 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__no créditos tomados=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | history__retraso en el pago en el pasado | 0.919893 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__retraso en el pago en el pasado=0 (proporción 0.920), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | history__todos los créditos en este banco devueltos a tiempo | 0.959947 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__coche nuevo | 0.771696 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__coche nuevo=0 (proporción 0.772), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__coche usado | 0.893191 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__coche usado=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__educación | 0.955941 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__educación=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__electrodomésticos | 0.990654 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__electrodomésticos=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__muebles/equipo | 0.811749 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__muebles/equipo=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__negocios | 0.902537 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__negocios=0 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__otros | 0.989319 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__otros=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__radio/TV | 0.720961 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__radio/TV=0 (proporción 0.721), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__reparaciones | 0.973298 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__reparaciones=0 (proporción 0.973), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | purpose__retraining | 0.990654 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | savings__saldo positivo de 100 a 500 DM | 0.939920 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | savings__saldo positivo de 500 a 1000 DM | 0.954606 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | savings__saldo positivo hasta 100 DM | 0.890521 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | savings__saldo positivo superior a 1000 DM | 0.813084 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | savings__sin cuenta de ahorros | 0.598131 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | employ__desempleado | 0.943925 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | employ__empleado de 1 a 4 años | 0.666222 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | employ__empleado de 4 a 7 años | 0.817089 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | employ__empleado menos de 1 año | 0.829105 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | employ__empleado más de 7 años | 0.743658 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y employ__empleado más de 7 años=0 (proporción 0.744), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | others__co-deudor | 0.954606 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | others__garante | 0.946595 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | others__ninguno | 0.901202 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y others__ninguno=1 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | property__automóvil | 0.670227 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__automóvil=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | property__bienes inmuebles | 0.707610 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__bienes inmuebles=0 (proporción 0.708), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | property__seguro de vida | 0.763685 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | property__sin propiedad | 0.858478 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y property__sin propiedad=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | otherplans__banco | 0.950601 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y otherplans__banco=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | otherplans__ninguno | 0.870494 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | otherplans__tiendas | 0.821095 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | housing__alquiler | 0.822430 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y housing__alquiler=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | housing__gratis | 0.901202 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y housing__gratis=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | housing__propietario | 0.723632 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y housing__propietario=1 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | job__altamente calificado/funcionario | 0.854473 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | job__calificado | 0.638184 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__calificado=1 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | job__desempleado/no calificado | 0.982644 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__desempleado/no calificado=0 (proporción 0.983), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | job__no calificado residente | 0.801068 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y job__no calificado residente=0 (proporción 0.801), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | telephone__no | 0.596796 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | telephone__sí | 0.596796 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | estado_civil__casado/viudo | 0.909212 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | estado_civil__divorciada/separada/casada | 0.687583 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | estado_civil__divorciado/separado | 0.951936 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__saldo positivo superior a 200 DM | estado_civil__soltero | 0.548732 | ALTO | Alta asociación entre existingchecking__saldo positivo superior a 200 DM=0 y estado_civil__soltero=1 (proporción 0.549), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | existingchecking__sin saldo | 0.561739 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y existingchecking__sin saldo=1 (proporción 0.562), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | history__créditos existentes pagados puntualmente hasta ahora | 0.504348 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.504), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.671304 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | history__no créditos tomados | 0.958261 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y history__no créditos tomados=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | history__retraso en el pago en el pasado | 0.906087 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y history__retraso en el pago en el pasado=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | history__todos los créditos en este banco devueltos a tiempo | 0.968696 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.969), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__coche nuevo | 0.789565 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__coche nuevo=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__coche usado | 0.895652 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__coche usado=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__educación | 0.956522 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__educación=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__electrodomésticos | 0.993043 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__electrodomésticos=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__muebles/equipo | 0.841739 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__muebles/equipo=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__negocios | 0.886957 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__negocios=0 (proporción 0.887), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__otros | 0.991304 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__radio/TV | 0.681739 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__radio/TV=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__reparaciones | 0.973913 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | purpose__retraining | 0.989565 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | savings__saldo positivo de 100 a 500 DM | 0.926957 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.927), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | savings__saldo positivo de 500 a 1000 DM | 0.946087 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | savings__saldo positivo hasta 100 DM | 0.866087 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | savings__saldo positivo superior a 1000 DM | 0.789565 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.790), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | savings__sin cuenta de ahorros | 0.528696 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y savings__sin cuenta de ahorros=1 (proporción 0.529), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | employ__desempleado | 0.953043 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__desempleado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | employ__empleado de 1 a 4 años | 0.657391 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado de 1 a 4 años=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | employ__empleado de 4 a 7 años | 0.817391 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado de 4 a 7 años=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | employ__empleado menos de 1 año | 0.829565 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado menos de 1 año=0 (proporción 0.830), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | employ__empleado más de 7 años | 0.742609 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y employ__empleado más de 7 años=0 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | others__co-deudor | 0.963478 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y others__co-deudor=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | others__garante | 0.958261 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y others__garante=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | others__ninguno | 0.921739 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y others__ninguno=1 (proporción 0.922), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | property__automóvil | 0.641739 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y property__automóvil=0 (proporción 0.642), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | property__bienes inmuebles | 0.699130 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y property__bienes inmuebles=0 (proporción 0.699), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | property__seguro de vida | 0.784348 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y property__seguro de vida=0 (proporción 0.784), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | property__sin propiedad | 0.874783 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y property__sin propiedad=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | otherplans__banco | 0.944348 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y otherplans__banco=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | otherplans__ninguno | 0.871304 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | otherplans__tiendas | 0.815652 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y otherplans__tiendas=1 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | housing__alquiler | 0.850435 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y housing__alquiler=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | housing__gratis | 0.913043 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y housing__gratis=0 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | housing__propietario | 0.763478 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y housing__propietario=1 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | job__altamente calificado/funcionario | 0.855652 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y job__altamente calificado/funcionario=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | job__calificado | 0.643478 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y job__calificado=1 (proporción 0.643), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | job__desempleado/no calificado | 0.979130 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | job__no calificado residente | 0.808696 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y job__no calificado residente=0 (proporción 0.809), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | telephone__no | 0.586087 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y telephone__no=1 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | telephone__sí | 0.586087 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y telephone__sí=0 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | estado_civil__casado/viudo | 0.902609 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__casado/viudo=0 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | estado_civil__divorciada/separada/casada | 0.697391 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | estado_civil__divorciado/separado | 0.946087 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin cuenta corriente | estado_civil__soltero | 0.546087 | ALTO | Alta asociación entre existingchecking__sin cuenta corriente=0 y estado_civil__soltero=1 (proporción 0.546), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | history__créditos existentes pagados puntualmente hasta ahora | 0.582809 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y history__créditos existentes pagados puntualmente hasta ahora=1 (proporción 0.583), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.767296 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | history__no créditos tomados | 0.943396 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y history__no créditos tomados=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | history__retraso en el pago en el pasado | 0.926625 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y history__retraso en el pago en el pasado=0 (proporción 0.927), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | history__todos los créditos en este banco devueltos a tiempo | 0.945493 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__coche nuevo | 0.742138 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__coche nuevo=0 (proporción 0.742), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__coche usado | 0.922432 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__coche usado=0 (proporción 0.922), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__educación | 0.955975 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__educación=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__electrodomésticos | 0.989518 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__muebles/equipo | 0.786164 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__muebles/equipo=0 (proporción 0.786), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__negocios | 0.897275 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__negocios=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__otros | 0.985325 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__otros=0 (proporción 0.985), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__radio/TV | 0.756813 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__radio/TV=0 (proporción 0.757), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__reparaciones | 0.972746 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__reparaciones=0 (proporción 0.973), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | purpose__retraining | 0.991614 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y purpose__retraining=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | savings__saldo positivo de 100 a 500 DM | 0.962264 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | savings__saldo positivo de 500 a 1000 DM | 0.970650 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | savings__saldo positivo hasta 100 DM | 0.888889 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | savings__saldo positivo superior a 1000 DM | 0.855346 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | savings__sin cuenta de ahorros | 0.677149 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y savings__sin cuenta de ahorros=1 (proporción 0.677), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | employ__desempleado | 0.932914 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y employ__desempleado=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | employ__empleado de 1 a 4 años | 0.687631 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | employ__empleado de 4 a 7 años | 0.834382 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.834), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | employ__empleado menos de 1 año | 0.788260 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y employ__empleado menos de 1 año=0 (proporción 0.788), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | employ__empleado más de 7 años | 0.756813 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y employ__empleado más de 7 años=0 (proporción 0.757), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | others__co-deudor | 0.945493 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y others__co-deudor=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | others__garante | 0.928721 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y others__garante=0 (proporción 0.929), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | others__ninguno | 0.874214 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y others__ninguno=1 (proporción 0.874), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | property__automóvil | 0.698113 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y property__automóvil=0 (proporción 0.698), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | property__bienes inmuebles | 0.719078 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y property__bienes inmuebles=0 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | property__seguro de vida | 0.748428 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y property__seguro de vida=0 (proporción 0.748), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | property__sin propiedad | 0.834382 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y property__sin propiedad=0 (proporción 0.834), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | otherplans__banco | 0.949686 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | otherplans__ninguno | 0.855346 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y otherplans__ninguno=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | otherplans__tiendas | 0.805031 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y otherplans__tiendas=1 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | housing__alquiler | 0.807128 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y housing__alquiler=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | housing__gratis | 0.882600 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y housing__gratis=0 (proporción 0.883), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | housing__propietario | 0.689727 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y housing__propietario=1 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | job__altamente calificado/funcionario | 0.844864 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y job__altamente calificado/funcionario=0 (proporción 0.845), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | job__calificado | 0.591195 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y job__calificado=1 (proporción 0.591), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | job__desempleado/no calificado | 0.970650 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y job__desempleado/no calificado=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | job__no calificado residente | 0.775681 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y job__no calificado residente=0 (proporción 0.776), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | telephone__no | 0.620545 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y telephone__no=1 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | telephone__sí | 0.620545 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y telephone__sí=0 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | estado_civil__casado/viudo | 0.903564 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y estado_civil__casado/viudo=0 (proporción 0.904), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | estado_civil__divorciada/separada/casada | 0.679245 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.679), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | estado_civil__divorciado/separado | 0.935010 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y estado_civil__divorciado/separado=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| existingchecking__sin saldo | estado_civil__soltero | 0.517820 | ALTO | Alta asociación entre existingchecking__sin saldo=0 y estado_civil__soltero=1 (proporción 0.518), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.656000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__cuenta crítica/otros créditos existentes (no en este banco)=1 (proporción 0.656), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | history__no créditos tomados | 0.909333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__no créditos tomados=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | history__retraso en el pago en el pasado | 0.832000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__retraso en el pago en el pasado=0 (proporción 0.832), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | history__todos los créditos en este banco devueltos a tiempo | 0.914667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.915), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__coche nuevo | 0.757333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__coche nuevo=0 (proporción 0.757), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__coche usado | 0.893333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__coche usado=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__educación | 0.949333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__educación=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__electrodomésticos | 1.000000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__electrodomésticos=0 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__muebles/equipo | 0.834667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__muebles/equipo=0 (proporción 0.835), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__negocios | 0.856000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__negocios=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__otros | 0.984000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__otros=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__radio/TV | 0.760000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__radio/TV=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__reparaciones | 0.970667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__reparaciones=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | purpose__retraining | 0.994667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y purpose__retraining=0 (proporción 0.995), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | savings__saldo positivo de 100 a 500 DM | 0.938667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | savings__saldo positivo de 500 a 1000 DM | 0.946667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | savings__saldo positivo hasta 100 DM | 0.901333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | savings__saldo positivo superior a 1000 DM | 0.818667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | savings__sin cuenta de ahorros | 0.605333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y savings__sin cuenta de ahorros=1 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | employ__desempleado | 0.936000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__desempleado=0 (proporción 0.936), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | employ__empleado de 1 a 4 años | 0.690667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado de 1 a 4 años=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | employ__empleado de 4 a 7 años | 0.810667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado de 4 a 7 años=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | employ__empleado menos de 1 año | 0.866667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado menos de 1 año=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | employ__empleado más de 7 años | 0.696000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y employ__empleado más de 7 años=0 (proporción 0.696), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | others__co-deudor | 0.960000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y others__co-deudor=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | others__garante | 0.965333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y others__garante=0 (proporción 0.965), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | others__ninguno | 0.925333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y others__ninguno=1 (proporción 0.925), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | property__automóvil | 0.682667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__automóvil=0 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | property__bienes inmuebles | 0.722667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__bienes inmuebles=0 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | property__seguro de vida | 0.760000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__seguro de vida=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | property__sin propiedad | 0.834667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y property__sin propiedad=0 (proporción 0.835), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | otherplans__banco | 0.930667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y otherplans__banco=0 (proporción 0.931), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | otherplans__ninguno | 0.853333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y otherplans__ninguno=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | otherplans__tiendas | 0.784000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y otherplans__tiendas=1 (proporción 0.784), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | housing__alquiler | 0.861333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y housing__alquiler=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | housing__gratis | 0.885333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y housing__gratis=0 (proporción 0.885), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | housing__propietario | 0.746667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y housing__propietario=1 (proporción 0.747), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | job__altamente calificado/funcionario | 0.848000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__altamente calificado/funcionario=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | job__calificado | 0.626667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__calificado=1 (proporción 0.627), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | job__desempleado/no calificado | 0.970667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__desempleado/no calificado=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | job__no calificado residente | 0.808000 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y job__no calificado residente=0 (proporción 0.808), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | telephone__no | 0.573333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y telephone__no=1 (proporción 0.573), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | telephone__sí | 0.573333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y telephone__sí=0 (proporción 0.573), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | estado_civil__casado/viudo | 0.938667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__casado/viudo=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | estado_civil__divorciada/separada/casada | 0.733333 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | estado_civil__divorciado/separado | 0.946667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__créditos existentes pagados puntualmente hasta ahora | estado_civil__soltero | 0.618667 | ALTO | Alta asociación entre history__créditos existentes pagados puntualmente hasta ahora=0 y estado_civil__soltero=1 (proporción 0.619), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | history__no créditos tomados | 0.938628 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y history__no créditos tomados=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | history__retraso en el pago en el pasado | 0.886282 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y history__retraso en el pago en el pasado=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | history__todos los créditos en este banco devueltos a tiempo | 0.942238 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__coche nuevo | 0.781588 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__coche nuevo=0 (proporción 0.782), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__coche usado | 0.900722 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__coche usado=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__educación | 0.960289 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__educación=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__electrodomésticos | 0.985560 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__electrodomésticos=0 (proporción 0.986), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__muebles/equipo | 0.806859 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__muebles/equipo=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__negocios | 0.893502 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__negocios=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__otros | 0.990975 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__radio/TV | 0.716606 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__radio/TV=0 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__reparaciones | 0.974729 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | purpose__retraining | 0.989170 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y purpose__retraining=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | savings__saldo positivo de 100 a 500 DM | 0.944043 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | savings__saldo positivo de 500 a 1000 DM | 0.962094 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | savings__saldo positivo hasta 100 DM | 0.875451 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | savings__saldo positivo superior a 1000 DM | 0.817690 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | savings__sin cuenta de ahorros | 0.599278 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y savings__sin cuenta de ahorros=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | employ__desempleado | 0.949458 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__desempleado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | employ__empleado de 1 a 4 años | 0.646209 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado de 1 a 4 años=0 (proporción 0.646), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | employ__empleado de 4 a 7 años | 0.826715 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado de 4 a 7 años=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | employ__empleado menos de 1 año | 0.796029 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado menos de 1 año=0 (proporción 0.796), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | employ__empleado más de 7 años | 0.781588 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y employ__empleado más de 7 años=0 (proporción 0.782), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | others__co-deudor | 0.956679 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y others__co-deudor=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | others__garante | 0.940433 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y others__garante=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | others__ninguno | 0.897112 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | property__automóvil | 0.657040 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__automóvil=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | property__bienes inmuebles | 0.720217 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__bienes inmuebles=0 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | property__seguro de vida | 0.765343 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__seguro de vida=0 (proporción 0.765), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | property__sin propiedad | 0.857401 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y property__sin propiedad=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | otherplans__banco | 0.942238 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y otherplans__banco=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | otherplans__ninguno | 0.859206 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y otherplans__ninguno=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | otherplans__tiendas | 0.801444 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y otherplans__tiendas=1 (proporción 0.801), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | housing__alquiler | 0.803249 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y housing__alquiler=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | housing__gratis | 0.897112 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | housing__propietario | 0.700361 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y housing__propietario=1 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | job__altamente calificado/funcionario | 0.850181 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | job__calificado | 0.631769 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__calificado=1 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | job__desempleado/no calificado | 0.983755 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__desempleado/no calificado=0 (proporción 0.984), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | job__no calificado residente | 0.797834 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | telephone__no | 0.610108 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y telephone__no=1 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | telephone__sí | 0.610108 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y telephone__sí=0 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | estado_civil__casado/viudo | 0.897112 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__casado/viudo=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | estado_civil__divorciada/separada/casada | 0.671480 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | estado_civil__divorciado/separado | 0.947653 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | estado_civil__soltero | 0.516245 | ALTO | Alta asociación entre history__cuenta crítica/otros créditos existentes (no en este banco)=0 y estado_civil__soltero=1 (proporción 0.516), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | history__retraso en el pago en el pasado | 0.917755 | ALTO | Alta asociación entre history__no créditos tomados=0 y history__retraso en el pago en el pasado=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | history__todos los créditos en este banco devueltos a tiempo | 0.958225 | ALTO | Alta asociación entre history__no créditos tomados=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__coche nuevo | 0.766319 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__coche nuevo=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__coche usado | 0.896867 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__coche usado=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__educación | 0.951697 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__educación=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__electrodomésticos | 0.989556 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__muebles/equipo | 0.812010 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__muebles/equipo=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__negocios | 0.913838 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__negocios=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__otros | 0.990862 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__radio/TV | 0.710183 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__radio/TV=0 (proporción 0.710), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__reparaciones | 0.976501 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__reparaciones=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | purpose__retraining | 0.992167 | ALTO | Alta asociación entre history__no créditos tomados=0 y purpose__retraining=0 (proporción 0.992), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | savings__saldo positivo de 100 a 500 DM | 0.938642 | ALTO | Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | savings__saldo positivo de 500 a 1000 DM | 0.953003 | ALTO | Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | savings__saldo positivo hasta 100 DM | 0.892950 | ALTO | Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | savings__saldo positivo superior a 1000 DM | 0.809399 | ALTO | Alta asociación entre history__no créditos tomados=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.809), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | savings__sin cuenta de ahorros | 0.593995 | ALTO | Alta asociación entre history__no créditos tomados=0 y savings__sin cuenta de ahorros=1 (proporción 0.594), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | employ__desempleado | 0.943864 | ALTO | Alta asociación entre history__no créditos tomados=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | employ__empleado de 1 a 4 años | 0.673629 | ALTO | Alta asociación entre history__no créditos tomados=0 y employ__empleado de 1 a 4 años=0 (proporción 0.674), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | employ__empleado de 4 a 7 años | 0.817232 | ALTO | Alta asociación entre history__no créditos tomados=0 y employ__empleado de 4 a 7 años=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | employ__empleado menos de 1 año | 0.826371 | ALTO | Alta asociación entre history__no créditos tomados=0 y employ__empleado menos de 1 año=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | employ__empleado más de 7 años | 0.738903 | ALTO | Alta asociación entre history__no créditos tomados=0 y employ__empleado más de 7 años=0 (proporción 0.739), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | others__co-deudor | 0.953003 | ALTO | Alta asociación entre history__no créditos tomados=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | others__garante | 0.947781 | ALTO | Alta asociación entre history__no créditos tomados=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | others__ninguno | 0.900783 | ALTO | Alta asociación entre history__no créditos tomados=0 y others__ninguno=1 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | property__automóvil | 0.674935 | ALTO | Alta asociación entre history__no créditos tomados=0 y property__automóvil=0 (proporción 0.675), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | property__bienes inmuebles | 0.702350 | ALTO | Alta asociación entre history__no créditos tomados=0 y property__bienes inmuebles=0 (proporción 0.702), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | property__seguro de vida | 0.763708 | ALTO | Alta asociación entre history__no créditos tomados=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | property__sin propiedad | 0.859008 | ALTO | Alta asociación entre history__no créditos tomados=0 y property__sin propiedad=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | otherplans__banco | 0.947781 | ALTO | Alta asociación entre history__no créditos tomados=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | otherplans__ninguno | 0.874674 | ALTO | Alta asociación entre history__no créditos tomados=0 y otherplans__ninguno=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | otherplans__tiendas | 0.822454 | ALTO | Alta asociación entre history__no créditos tomados=0 y otherplans__tiendas=1 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | housing__alquiler | 0.830287 | ALTO | Alta asociación entre history__no créditos tomados=0 y housing__alquiler=0 (proporción 0.830), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | housing__gratis | 0.898172 | ALTO | Alta asociación entre history__no créditos tomados=0 y housing__gratis=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | housing__propietario | 0.728460 | ALTO | Alta asociación entre history__no créditos tomados=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | job__altamente calificado/funcionario | 0.851175 | ALTO | Alta asociación entre history__no créditos tomados=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | job__calificado | 0.630548 | ALTO | Alta asociación entre history__no créditos tomados=0 y job__calificado=1 (proporción 0.631), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | job__desempleado/no calificado | 0.979112 | ALTO | Alta asociación entre history__no créditos tomados=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | job__no calificado residente | 0.800261 | ALTO | Alta asociación entre history__no créditos tomados=0 y job__no calificado residente=0 (proporción 0.800), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | telephone__no | 0.596606 | ALTO | Alta asociación entre history__no créditos tomados=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | telephone__sí | 0.596606 | ALTO | Alta asociación entre history__no créditos tomados=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | estado_civil__casado/viudo | 0.908616 | ALTO | Alta asociación entre history__no créditos tomados=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | estado_civil__divorciada/separada/casada | 0.685379 | ALTO | Alta asociación entre history__no créditos tomados=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | estado_civil__divorciado/separado | 0.947781 | ALTO | Alta asociación entre history__no créditos tomados=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__no créditos tomados | estado_civil__soltero | 0.541775 | ALTO | Alta asociación entre history__no créditos tomados=0 y estado_civil__soltero=1 (proporción 0.542), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | history__todos los créditos en este banco devueltos a tiempo | 0.956581 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y history__todos los créditos en este banco devueltos a tiempo=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__coche nuevo | 0.762551 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__coche nuevo=0 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__coche usado | 0.898236 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__coche usado=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__educación | 0.952510 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__educación=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__electrodomésticos | 0.989145 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__electrodomésticos=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__muebles/equipo | 0.807327 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__muebles/equipo=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__negocios | 0.917232 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__negocios=0 (proporción 0.917), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__otros | 0.990502 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__radio/TV | 0.715061 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__radio/TV=0 (proporción 0.715), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__reparaciones | 0.976934 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__reparaciones=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | purpose__retraining | 0.990502 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | savings__saldo positivo de 100 a 500 DM | 0.937585 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | savings__saldo positivo de 500 a 1000 DM | 0.956581 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | savings__saldo positivo hasta 100 DM | 0.894166 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | savings__saldo positivo superior a 1000 DM | 0.812754 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | savings__sin cuenta de ahorros | 0.601085 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | employ__desempleado | 0.948440 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | employ__empleado de 1 a 4 años | 0.671642 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado de 1 a 4 años=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | employ__empleado de 4 a 7 años | 0.823609 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado de 4 a 7 años=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | employ__empleado menos de 1 año | 0.820896 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado menos de 1 año=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | employ__empleado más de 7 años | 0.735414 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y employ__empleado más de 7 años=0 (proporción 0.735), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | others__co-deudor | 0.952510 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | others__garante | 0.944369 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y others__garante=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | others__ninguno | 0.896879 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y others__ninguno=1 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | property__automóvil | 0.671642 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | property__bienes inmuebles | 0.702849 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y property__bienes inmuebles=0 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | property__seguro de vida | 0.767978 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y property__seguro de vida=0 (proporción 0.768), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | property__sin propiedad | 0.857531 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y property__sin propiedad=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | otherplans__banco | 0.956581 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y otherplans__banco=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | otherplans__ninguno | 0.869742 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | otherplans__tiendas | 0.826323 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y otherplans__tiendas=1 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | housing__alquiler | 0.820896 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y housing__alquiler=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | housing__gratis | 0.899593 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y housing__gratis=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | housing__propietario | 0.720488 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y housing__propietario=1 (proporción 0.720), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | job__altamente calificado/funcionario | 0.861601 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y job__altamente calificado/funcionario=0 (proporción 0.862), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | job__calificado | 0.636364 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | job__desempleado/no calificado | 0.976934 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | job__no calificado residente | 0.797829 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | telephone__no | 0.607870 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y telephone__no=1 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | telephone__sí | 0.607870 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y telephone__sí=0 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | estado_civil__casado/viudo | 0.909091 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | estado_civil__divorciada/separada/casada | 0.678426 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | estado_civil__divorciado/separado | 0.949796 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__retraso en el pago en el pasado | estado_civil__soltero | 0.537313 | ALTO | Alta asociación entre history__retraso en el pago en el pasado=0 y estado_civil__soltero=1 (proporción 0.537), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__coche nuevo | 0.773438 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__coche nuevo=0 (proporción 0.773), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__coche usado | 0.897135 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__coche usado=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__educación | 0.954427 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__educación=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__electrodomésticos | 0.989583 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__muebles/equipo | 0.811198 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__muebles/equipo=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__negocios | 0.906250 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__negocios=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__otros | 0.990885 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__otros=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__radio/TV | 0.712240 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__radio/TV=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__reparaciones | 0.973958 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | purpose__retraining | 0.990885 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | savings__saldo positivo de 100 a 500 DM | 0.941406 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | savings__saldo positivo de 500 a 1000 DM | 0.954427 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | savings__saldo positivo hasta 100 DM | 0.893229 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | savings__saldo positivo superior a 1000 DM | 0.813802 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | savings__sin cuenta de ahorros | 0.602865 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y savings__sin cuenta de ahorros=1 (proporción 0.603), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | employ__desempleado | 0.949219 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__desempleado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | employ__empleado de 1 a 4 años | 0.666667 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | employ__empleado de 4 a 7 años | 0.824219 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | employ__empleado menos de 1 año | 0.822917 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado menos de 1 año=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | employ__empleado más de 7 años | 0.736979 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y employ__empleado más de 7 años=0 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | others__co-deudor | 0.955729 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y others__co-deudor=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | others__garante | 0.951823 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y others__garante=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | others__ninguno | 0.907552 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y others__ninguno=1 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | property__automóvil | 0.671875 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | property__bienes inmuebles | 0.705729 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__bienes inmuebles=0 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | property__seguro de vida | 0.760417 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__seguro de vida=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | property__sin propiedad | 0.861979 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y property__sin propiedad=0 (proporción 0.862), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | otherplans__banco | 0.955729 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y otherplans__banco=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | otherplans__ninguno | 0.881510 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y otherplans__ninguno=0 (proporción 0.882), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | otherplans__tiendas | 0.837240 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y otherplans__tiendas=1 (proporción 0.837), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | housing__alquiler | 0.826823 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | housing__gratis | 0.901042 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y housing__gratis=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | housing__propietario | 0.727865 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | job__altamente calificado/funcionario | 0.854167 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | job__calificado | 0.639323 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__calificado=1 (proporción 0.639), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | job__desempleado/no calificado | 0.980469 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | job__no calificado residente | 0.804688 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y job__no calificado residente=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | telephone__no | 0.596354 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y telephone__no=1 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | telephone__sí | 0.596354 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y telephone__sí=0 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | estado_civil__casado/viudo | 0.907552 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | estado_civil__divorciada/separada/casada | 0.687500 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | estado_civil__divorciado/separado | 0.945312 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| history__todos los créditos en este banco devueltos a tiempo | estado_civil__soltero | 0.540365 | ALTO | Alta asociación entre history__todos los créditos en este banco devueltos a tiempo=0 y estado_civil__soltero=1 (proporción 0.540), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__coche usado | 0.866667 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__coche usado=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__educación | 0.939837 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__educación=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__electrodomésticos | 0.986992 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__electrodomésticos=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__muebles/equipo | 0.756098 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__muebles/equipo=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__negocios | 0.873171 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__negocios=0 (proporción 0.873), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__otros | 0.986992 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__otros=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__radio/TV | 0.634146 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__radio/TV=0 (proporción 0.634), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__reparaciones | 0.967480 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__reparaciones=0 (proporción 0.967), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | purpose__retraining | 0.988618 | ALTO | Alta asociación entre purpose__coche nuevo=0 y purpose__retraining=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | savings__saldo positivo de 100 a 500 DM | 0.936585 | ALTO | Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | savings__saldo positivo de 500 a 1000 DM | 0.954472 | ALTO | Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | savings__saldo positivo hasta 100 DM | 0.900813 | ALTO | Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | savings__saldo positivo superior a 1000 DM | 0.816260 | ALTO | Alta asociación entre purpose__coche nuevo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | savings__sin cuenta de ahorros | 0.608130 | ALTO | Alta asociación entre purpose__coche nuevo=0 y savings__sin cuenta de ahorros=1 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | employ__desempleado | 0.952846 | ALTO | Alta asociación entre purpose__coche nuevo=0 y employ__desempleado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | employ__empleado de 1 a 4 años | 0.665041 | ALTO | Alta asociación entre purpose__coche nuevo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.665), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | employ__empleado de 4 a 7 años | 0.822764 | ALTO | Alta asociación entre purpose__coche nuevo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | employ__empleado menos de 1 año | 0.827642 | ALTO | Alta asociación entre purpose__coche nuevo=0 y employ__empleado menos de 1 año=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | employ__empleado más de 7 años | 0.731707 | ALTO | Alta asociación entre purpose__coche nuevo=0 y employ__empleado más de 7 años=0 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | others__co-deudor | 0.956098 | ALTO | Alta asociación entre purpose__coche nuevo=0 y others__co-deudor=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | others__garante | 0.946341 | ALTO | Alta asociación entre purpose__coche nuevo=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | others__ninguno | 0.902439 | ALTO | Alta asociación entre purpose__coche nuevo=0 y others__ninguno=1 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | property__automóvil | 0.661789 | ALTO | Alta asociación entre purpose__coche nuevo=0 y property__automóvil=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | property__bienes inmuebles | 0.717073 | ALTO | Alta asociación entre purpose__coche nuevo=0 y property__bienes inmuebles=0 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | property__seguro de vida | 0.760976 | ALTO | Alta asociación entre purpose__coche nuevo=0 y property__seguro de vida=0 (proporción 0.761), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | property__sin propiedad | 0.860163 | ALTO | Alta asociación entre purpose__coche nuevo=0 y property__sin propiedad=0 (proporción 0.860), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | otherplans__banco | 0.941463 | ALTO | Alta asociación entre purpose__coche nuevo=0 y otherplans__banco=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | otherplans__ninguno | 0.878049 | ALTO | Alta asociación entre purpose__coche nuevo=0 y otherplans__ninguno=0 (proporción 0.878), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | otherplans__tiendas | 0.819512 | ALTO | Alta asociación entre purpose__coche nuevo=0 y otherplans__tiendas=1 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | housing__alquiler | 0.822764 | ALTO | Alta asociación entre purpose__coche nuevo=0 y housing__alquiler=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | housing__gratis | 0.902439 | ALTO | Alta asociación entre purpose__coche nuevo=0 y housing__gratis=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | housing__propietario | 0.725203 | ALTO | Alta asociación entre purpose__coche nuevo=0 y housing__propietario=1 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | job__altamente calificado/funcionario | 0.850407 | ALTO | Alta asociación entre purpose__coche nuevo=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | job__calificado | 0.652033 | ALTO | Alta asociación entre purpose__coche nuevo=0 y job__calificado=1 (proporción 0.652), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | job__desempleado/no calificado | 0.988618 | ALTO | Alta asociación entre purpose__coche nuevo=0 y job__desempleado/no calificado=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | job__no calificado residente | 0.813008 | ALTO | Alta asociación entre purpose__coche nuevo=0 y job__no calificado residente=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | telephone__no | 0.601626 | ALTO | Alta asociación entre purpose__coche nuevo=0 y telephone__no=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | telephone__sí | 0.601626 | ALTO | Alta asociación entre purpose__coche nuevo=0 y telephone__sí=0 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | estado_civil__casado/viudo | 0.905691 | ALTO | Alta asociación entre purpose__coche nuevo=0 y estado_civil__casado/viudo=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | estado_civil__divorciada/separada/casada | 0.691057 | ALTO | Alta asociación entre purpose__coche nuevo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | estado_civil__divorciado/separado | 0.946341 | ALTO | Alta asociación entre purpose__coche nuevo=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche nuevo | estado_civil__soltero | 0.543089 | ALTO | Alta asociación entre purpose__coche nuevo=0 y estado_civil__soltero=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__educación | 0.948468 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__educación=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__electrodomésticos | 0.988858 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__electrodomésticos=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__muebles/equipo | 0.791086 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__muebles/equipo=0 (proporción 0.791), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__negocios | 0.891365 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__negocios=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__otros | 0.988858 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__otros=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__radio/TV | 0.686630 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__radio/TV=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__reparaciones | 0.972145 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__reparaciones=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | purpose__retraining | 0.990251 | ALTO | Alta asociación entre purpose__coche usado=0 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | savings__saldo positivo de 100 a 500 DM | 0.937326 | ALTO | Alta asociación entre purpose__coche usado=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | savings__saldo positivo de 500 a 1000 DM | 0.956825 | ALTO | Alta asociación entre purpose__coche usado=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | savings__saldo positivo hasta 100 DM | 0.888579 | ALTO | Alta asociación entre purpose__coche usado=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | savings__saldo positivo superior a 1000 DM | 0.831476 | ALTO | Alta asociación entre purpose__coche usado=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | savings__sin cuenta de ahorros | 0.614206 | ALTO | Alta asociación entre purpose__coche usado=0 y savings__sin cuenta de ahorros=1 (proporción 0.614), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | employ__desempleado | 0.947075 | ALTO | Alta asociación entre purpose__coche usado=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | employ__empleado de 1 a 4 años | 0.661560 | ALTO | Alta asociación entre purpose__coche usado=0 y employ__empleado de 1 a 4 años=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | employ__empleado de 4 a 7 años | 0.824513 | ALTO | Alta asociación entre purpose__coche usado=0 y employ__empleado de 4 a 7 años=0 (proporción 0.825), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | employ__empleado menos de 1 año | 0.816156 | ALTO | Alta asociación entre purpose__coche usado=0 y employ__empleado menos de 1 año=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | employ__empleado más de 7 años | 0.750696 | ALTO | Alta asociación entre purpose__coche usado=0 y employ__empleado más de 7 años=0 (proporción 0.751), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | others__co-deudor | 0.951253 | ALTO | Alta asociación entre purpose__coche usado=0 y others__co-deudor=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | others__garante | 0.947075 | ALTO | Alta asociación entre purpose__coche usado=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | others__ninguno | 0.898329 | ALTO | Alta asociación entre purpose__coche usado=0 y others__ninguno=1 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | property__automóvil | 0.685237 | ALTO | Alta asociación entre purpose__coche usado=0 y property__automóvil=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | property__bienes inmuebles | 0.686630 | ALTO | Alta asociación entre purpose__coche usado=0 y property__bienes inmuebles=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | property__seguro de vida | 0.756267 | ALTO | Alta asociación entre purpose__coche usado=0 y property__seguro de vida=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | property__sin propiedad | 0.871866 | ALTO | Alta asociación entre purpose__coche usado=0 y property__sin propiedad=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | otherplans__banco | 0.949861 | ALTO | Alta asociación entre purpose__coche usado=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | otherplans__ninguno | 0.866295 | ALTO | Alta asociación entre purpose__coche usado=0 y otherplans__ninguno=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | otherplans__tiendas | 0.816156 | ALTO | Alta asociación entre purpose__coche usado=0 y otherplans__tiendas=1 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | housing__alquiler | 0.827298 | ALTO | Alta asociación entre purpose__coche usado=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | housing__gratis | 0.916435 | ALTO | Alta asociación entre purpose__coche usado=0 y housing__gratis=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | housing__propietario | 0.743733 | ALTO | Alta asociación entre purpose__coche usado=0 y housing__propietario=1 (proporción 0.744), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | job__altamente calificado/funcionario | 0.874652 | ALTO | Alta asociación entre purpose__coche usado=0 y job__altamente calificado/funcionario=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | job__calificado | 0.637883 | ALTO | Alta asociación entre purpose__coche usado=0 y job__calificado=1 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | job__desempleado/no calificado | 0.976323 | ALTO | Alta asociación entre purpose__coche usado=0 y job__desempleado/no calificado=0 (proporción 0.976), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | job__no calificado residente | 0.786908 | ALTO | Alta asociación entre purpose__coche usado=0 y job__no calificado residente=0 (proporción 0.787), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | telephone__no | 0.622563 | ALTO | Alta asociación entre purpose__coche usado=0 y telephone__no=1 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | telephone__sí | 0.622563 | ALTO | Alta asociación entre purpose__coche usado=0 y telephone__sí=0 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | estado_civil__casado/viudo | 0.906685 | ALTO | Alta asociación entre purpose__coche usado=0 y estado_civil__casado/viudo=0 (proporción 0.907), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | estado_civil__divorciada/separada/casada | 0.671309 | ALTO | Alta asociación entre purpose__coche usado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | estado_civil__divorciado/separado | 0.945682 | ALTO | Alta asociación entre purpose__coche usado=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__coche usado | estado_civil__soltero | 0.523677 | ALTO | Alta asociación entre purpose__coche usado=0 y estado_civil__soltero=1 (proporción 0.524), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | purpose__electrodomésticos | 0.989515 | ALTO | Alta asociación entre purpose__educación=0 y purpose__electrodomésticos=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | purpose__muebles/equipo | 0.803408 | ALTO | Alta asociación entre purpose__educación=0 y purpose__muebles/equipo=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | purpose__negocios | 0.897772 | ALTO | Alta asociación entre purpose__educación=0 y purpose__negocios=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | purpose__otros | 0.989515 | ALTO | Alta asociación entre purpose__educación=0 y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | purpose__radio/TV | 0.705111 | ALTO | Alta asociación entre purpose__educación=0 y purpose__radio/TV=0 (proporción 0.705), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | purpose__reparaciones | 0.973788 | ALTO | Alta asociación entre purpose__educación=0 y purpose__reparaciones=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | purpose__retraining | 0.990826 | ALTO | Alta asociación entre purpose__educación=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | savings__saldo positivo de 100 a 500 DM | 0.939712 | ALTO | Alta asociación entre purpose__educación=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | savings__saldo positivo de 500 a 1000 DM | 0.954128 | ALTO | Alta asociación entre purpose__educación=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | savings__saldo positivo hasta 100 DM | 0.889908 | ALTO | Alta asociación entre purpose__educación=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | savings__saldo positivo superior a 1000 DM | 0.817824 | ALTO | Alta asociación entre purpose__educación=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | savings__sin cuenta de ahorros | 0.601573 | ALTO | Alta asociación entre purpose__educación=0 y savings__sin cuenta de ahorros=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | employ__desempleado | 0.944954 | ALTO | Alta asociación entre purpose__educación=0 y employ__desempleado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | employ__empleado de 1 a 4 años | 0.672346 | ALTO | Alta asociación entre purpose__educación=0 y employ__empleado de 1 a 4 años=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | employ__empleado de 4 a 7 años | 0.819135 | ALTO | Alta asociación entre purpose__educación=0 y employ__empleado de 4 a 7 años=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | employ__empleado menos de 1 año | 0.823067 | ALTO | Alta asociación entre purpose__educación=0 y employ__empleado menos de 1 año=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | employ__empleado más de 7 años | 0.740498 | ALTO | Alta asociación entre purpose__educación=0 y employ__empleado más de 7 años=0 (proporción 0.740), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | others__co-deudor | 0.952818 | ALTO | Alta asociación entre purpose__educación=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | others__garante | 0.946265 | ALTO | Alta asociación entre purpose__educación=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | others__ninguno | 0.899083 | ALTO | Alta asociación entre purpose__educación=0 y others__ninguno=1 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | property__automóvil | 0.669725 | ALTO | Alta asociación entre purpose__educación=0 y property__automóvil=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | property__bienes inmuebles | 0.699869 | ALTO | Alta asociación entre purpose__educación=0 y property__bienes inmuebles=0 (proporción 0.700), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | property__seguro de vida | 0.764089 | ALTO | Alta asociación entre purpose__educación=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | property__sin propiedad | 0.866317 | ALTO | Alta asociación entre purpose__educación=0 y property__sin propiedad=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | otherplans__banco | 0.947575 | ALTO | Alta asociación entre purpose__educación=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | otherplans__ninguno | 0.868938 | ALTO | Alta asociación entre purpose__educación=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | otherplans__tiendas | 0.816514 | ALTO | Alta asociación entre purpose__educación=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | housing__alquiler | 0.826999 | ALTO | Alta asociación entre purpose__educación=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | housing__gratis | 0.905636 | ALTO | Alta asociación entre purpose__educación=0 y housing__gratis=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | housing__propietario | 0.732634 | ALTO | Alta asociación entre purpose__educación=0 y housing__propietario=1 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | job__altamente calificado/funcionario | 0.853211 | ALTO | Alta asociación entre purpose__educación=0 y job__altamente calificado/funcionario=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | job__calificado | 0.635649 | ALTO | Alta asociación entre purpose__educación=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | job__desempleado/no calificado | 0.979030 | ALTO | Alta asociación entre purpose__educación=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | job__no calificado residente | 0.803408 | ALTO | Alta asociación entre purpose__educación=0 y job__no calificado residente=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | telephone__no | 0.597641 | ALTO | Alta asociación entre purpose__educación=0 y telephone__no=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | telephone__sí | 0.597641 | ALTO | Alta asociación entre purpose__educación=0 y telephone__sí=0 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | estado_civil__casado/viudo | 0.905636 | ALTO | Alta asociación entre purpose__educación=0 y estado_civil__casado/viudo=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | estado_civil__divorciada/separada/casada | 0.692005 | ALTO | Alta asociación entre purpose__educación=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.692), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | estado_civil__divorciado/separado | 0.946265 | ALTO | Alta asociación entre purpose__educación=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__educación | estado_civil__soltero | 0.543906 | ALTO | Alta asociación entre purpose__educación=0 y estado_civil__soltero=1 (proporción 0.544), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | purpose__muebles/equipo | 0.810606 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y purpose__muebles/equipo=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | purpose__negocios | 0.901515 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y purpose__negocios=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | purpose__otros | 0.989899 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y purpose__otros=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | purpose__radio/TV | 0.715909 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y purpose__radio/TV=0 (proporción 0.716), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | purpose__reparaciones | 0.974747 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | purpose__retraining | 0.991162 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | savings__saldo positivo de 100 a 500 DM | 0.940657 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | savings__saldo positivo de 500 a 1000 DM | 0.954545 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | savings__saldo positivo hasta 100 DM | 0.891414 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | savings__saldo positivo superior a 1000 DM | 0.814394 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | savings__sin cuenta de ahorros | 0.601010 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | employ__desempleado | 0.946970 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | employ__empleado de 1 a 4 años | 0.670455 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y employ__empleado de 1 a 4 años=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | employ__empleado de 4 a 7 años | 0.819444 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y employ__empleado de 4 a 7 años=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | employ__empleado menos de 1 año | 0.825758 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y employ__empleado menos de 1 año=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | employ__empleado más de 7 años | 0.737374 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y employ__empleado más de 7 años=0 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | others__co-deudor | 0.954545 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | others__garante | 0.948232 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | others__ninguno | 0.902778 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y others__ninguno=1 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | property__automóvil | 0.671717 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | property__bienes inmuebles | 0.710859 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y property__bienes inmuebles=0 (proporción 0.711), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | property__seguro de vida | 0.762626 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y property__seguro de vida=0 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | property__sin propiedad | 0.854798 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y property__sin propiedad=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | otherplans__banco | 0.948232 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | otherplans__ninguno | 0.868687 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | otherplans__tiendas | 0.816919 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | housing__alquiler | 0.827020 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | housing__gratis | 0.896465 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y housing__gratis=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | housing__propietario | 0.723485 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | job__altamente calificado/funcionario | 0.852273 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y job__altamente calificado/funcionario=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | job__calificado | 0.630051 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y job__calificado=1 (proporción 0.630), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | job__desempleado/no calificado | 0.978535 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | job__no calificado residente | 0.799242 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y job__no calificado residente=0 (proporción 0.799), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | telephone__no | 0.597222 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | telephone__sí | 0.597222 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | estado_civil__casado/viudo | 0.909091 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | estado_civil__divorciada/separada/casada | 0.690657 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | estado_civil__divorciado/separado | 0.948232 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__electrodomésticos | estado_civil__soltero | 0.547980 | ALTO | Alta asociación entre purpose__electrodomésticos=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | purpose__negocios | 0.880000 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y purpose__negocios=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | purpose__otros | 0.987692 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y purpose__otros=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | purpose__radio/TV | 0.653846 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y purpose__radio/TV=0 (proporción 0.654), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | purpose__reparaciones | 0.969231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y purpose__reparaciones=0 (proporción 0.969), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | purpose__retraining | 0.989231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y purpose__retraining=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | savings__saldo positivo de 100 a 500 DM | 0.938462 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | savings__saldo positivo de 500 a 1000 DM | 0.956923 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.957), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | savings__saldo positivo hasta 100 DM | 0.878462 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.878), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | savings__saldo positivo superior a 1000 DM | 0.796923 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | savings__sin cuenta de ahorros | 0.570769 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y savings__sin cuenta de ahorros=1 (proporción 0.571), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | employ__desempleado | 0.947692 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | employ__empleado de 1 a 4 años | 0.669231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | employ__empleado de 4 a 7 años | 0.815385 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y employ__empleado de 4 a 7 años=0 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | employ__empleado menos de 1 año | 0.841538 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y employ__empleado menos de 1 año=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | employ__empleado más de 7 años | 0.726154 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y employ__empleado más de 7 años=0 (proporción 0.726), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | others__co-deudor | 0.961538 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y others__co-deudor=0 (proporción 0.962), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | others__garante | 0.947692 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | others__ninguno | 0.909231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y others__ninguno=1 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | property__automóvil | 0.652308 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y property__automóvil=0 (proporción 0.652), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | property__bienes inmuebles | 0.693846 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y property__bienes inmuebles=0 (proporción 0.694), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | property__seguro de vida | 0.804615 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y property__seguro de vida=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | property__sin propiedad | 0.849231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y property__sin propiedad=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | otherplans__banco | 0.949231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | otherplans__ninguno | 0.866154 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y otherplans__ninguno=0 (proporción 0.866), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | otherplans__tiendas | 0.815385 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y otherplans__tiendas=1 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | housing__alquiler | 0.847692 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y housing__alquiler=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | housing__gratis | 0.889231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y housing__gratis=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | housing__propietario | 0.736923 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y housing__propietario=1 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | job__altamente calificado/funcionario | 0.849231 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y job__altamente calificado/funcionario=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | job__calificado | 0.621538 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y job__calificado=1 (proporción 0.622), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | job__desempleado/no calificado | 0.975385 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y job__desempleado/no calificado=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | job__no calificado residente | 0.796923 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y job__no calificado residente=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | telephone__no | 0.587692 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y telephone__no=1 (proporción 0.588), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | telephone__sí | 0.587692 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y telephone__sí=0 (proporción 0.588), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | estado_civil__casado/viudo | 0.896923 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y estado_civil__casado/viudo=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | estado_civil__divorciada/separada/casada | 0.716923 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | estado_civil__divorciado/separado | 0.953846 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y estado_civil__divorciado/separado=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__muebles/equipo | estado_civil__soltero | 0.567692 | ALTO | Alta asociación entre purpose__muebles/equipo=0 y estado_civil__soltero=1 (proporción 0.568), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | purpose__otros | 0.988920 | ALTO | Alta asociación entre purpose__negocios=0 y purpose__otros=0 (proporción 0.989), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | purpose__radio/TV | 0.688366 | ALTO | Alta asociación entre purpose__negocios=0 y purpose__radio/TV=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | purpose__reparaciones | 0.972299 | ALTO | Alta asociación entre purpose__negocios=0 y purpose__reparaciones=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | purpose__retraining | 0.990305 | ALTO | Alta asociación entre purpose__negocios=0 y purpose__retraining=0 (proporción 0.990), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | savings__saldo positivo de 100 a 500 DM | 0.937673 | ALTO | Alta asociación entre purpose__negocios=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.938), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | savings__saldo positivo de 500 a 1000 DM | 0.955679 | ALTO | Alta asociación entre purpose__negocios=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | savings__saldo positivo hasta 100 DM | 0.900277 | ALTO | Alta asociación entre purpose__negocios=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | savings__saldo positivo superior a 1000 DM | 0.807479 | ALTO | Alta asociación entre purpose__negocios=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | savings__sin cuenta de ahorros | 0.601108 | ALTO | Alta asociación entre purpose__negocios=0 y savings__sin cuenta de ahorros=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | employ__desempleado | 0.944598 | ALTO | Alta asociación entre purpose__negocios=0 y employ__desempleado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | employ__empleado de 1 a 4 años | 0.670360 | ALTO | Alta asociación entre purpose__negocios=0 y employ__empleado de 1 a 4 años=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | employ__empleado de 4 a 7 años | 0.826870 | ALTO | Alta asociación entre purpose__negocios=0 y employ__empleado de 4 a 7 años=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | employ__empleado menos de 1 año | 0.819945 | ALTO | Alta asociación entre purpose__negocios=0 y employ__empleado menos de 1 año=0 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | employ__empleado más de 7 años | 0.738227 | ALTO | Alta asociación entre purpose__negocios=0 y employ__empleado más de 7 años=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | others__co-deudor | 0.952909 | ALTO | Alta asociación entre purpose__negocios=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | others__garante | 0.945983 | ALTO | Alta asociación entre purpose__negocios=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | others__ninguno | 0.898892 | ALTO | Alta asociación entre purpose__negocios=0 y others__ninguno=1 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | property__automóvil | 0.675900 | ALTO | Alta asociación entre purpose__negocios=0 y property__automóvil=0 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | property__bienes inmuebles | 0.711911 | ALTO | Alta asociación entre purpose__negocios=0 y property__bienes inmuebles=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | property__seguro de vida | 0.759003 | ALTO | Alta asociación entre purpose__negocios=0 y property__seguro de vida=0 (proporción 0.759), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | property__sin propiedad | 0.853186 | ALTO | Alta asociación entre purpose__negocios=0 y property__sin propiedad=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | otherplans__banco | 0.954294 | ALTO | Alta asociación entre purpose__negocios=0 y otherplans__banco=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | otherplans__ninguno | 0.879501 | ALTO | Alta asociación entre purpose__negocios=0 y otherplans__ninguno=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | otherplans__tiendas | 0.833795 | ALTO | Alta asociación entre purpose__negocios=0 y otherplans__tiendas=1 (proporción 0.834), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | housing__alquiler | 0.826870 | ALTO | Alta asociación entre purpose__negocios=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | housing__gratis | 0.890582 | ALTO | Alta asociación entre purpose__negocios=0 y housing__gratis=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | housing__propietario | 0.717452 | ALTO | Alta asociación entre purpose__negocios=0 y housing__propietario=1 (proporción 0.717), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | job__altamente calificado/funcionario | 0.853186 | ALTO | Alta asociación entre purpose__negocios=0 y job__altamente calificado/funcionario=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | job__calificado | 0.634349 | ALTO | Alta asociación entre purpose__negocios=0 y job__calificado=1 (proporción 0.634), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | job__desempleado/no calificado | 0.979224 | ALTO | Alta asociación entre purpose__negocios=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | job__no calificado residente | 0.801939 | ALTO | Alta asociación entre purpose__negocios=0 y job__no calificado residente=0 (proporción 0.802), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | telephone__no | 0.609418 | ALTO | Alta asociación entre purpose__negocios=0 y telephone__no=1 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | telephone__sí | 0.609418 | ALTO | Alta asociación entre purpose__negocios=0 y telephone__sí=0 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | estado_civil__casado/viudo | 0.909972 | ALTO | Alta asociación entre purpose__negocios=0 y estado_civil__casado/viudo=0 (proporción 0.910), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | estado_civil__divorciada/separada/casada | 0.675900 | ALTO | Alta asociación entre purpose__negocios=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | estado_civil__divorciado/separado | 0.955679 | ALTO | Alta asociación entre purpose__negocios=0 y estado_civil__divorciado/separado=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__negocios | estado_civil__soltero | 0.541551 | ALTO | Alta asociación entre purpose__negocios=0 y estado_civil__soltero=1 (proporción 0.542), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | purpose__radio/TV | 0.715909 | ALTO | Alta asociación entre purpose__otros=0 y purpose__radio/TV=0 (proporción 0.716), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | purpose__reparaciones | 0.974747 | ALTO | Alta asociación entre purpose__otros=0 y purpose__reparaciones=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | purpose__retraining | 0.991162 | ALTO | Alta asociación entre purpose__otros=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | savings__saldo positivo de 100 a 500 DM | 0.939394 | ALTO | Alta asociación entre purpose__otros=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | savings__saldo positivo de 500 a 1000 DM | 0.954545 | ALTO | Alta asociación entre purpose__otros=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | savings__saldo positivo hasta 100 DM | 0.891414 | ALTO | Alta asociación entre purpose__otros=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.891), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | savings__saldo positivo superior a 1000 DM | 0.813131 | ALTO | Alta asociación entre purpose__otros=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.813), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | savings__sin cuenta de ahorros | 0.598485 | ALTO | Alta asociación entre purpose__otros=0 y savings__sin cuenta de ahorros=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | employ__desempleado | 0.948232 | ALTO | Alta asociación entre purpose__otros=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | employ__empleado de 1 a 4 años | 0.669192 | ALTO | Alta asociación entre purpose__otros=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | employ__empleado de 4 a 7 años | 0.819444 | ALTO | Alta asociación entre purpose__otros=0 y employ__empleado de 4 a 7 años=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | employ__empleado menos de 1 año | 0.821970 | ALTO | Alta asociación entre purpose__otros=0 y employ__empleado menos de 1 año=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | employ__empleado más de 7 años | 0.741162 | ALTO | Alta asociación entre purpose__otros=0 y employ__empleado más de 7 años=0 (proporción 0.741), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | others__co-deudor | 0.958333 | ALTO | Alta asociación entre purpose__otros=0 y others__co-deudor=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | others__garante | 0.949495 | ALTO | Alta asociación entre purpose__otros=0 y others__garante=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | others__ninguno | 0.907828 | ALTO | Alta asociación entre purpose__otros=0 y others__ninguno=1 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | property__automóvil | 0.671717 | ALTO | Alta asociación entre purpose__otros=0 y property__automóvil=0 (proporción 0.672), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | property__bienes inmuebles | 0.707071 | ALTO | Alta asociación entre purpose__otros=0 y property__bienes inmuebles=0 (proporción 0.707), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | property__seguro de vida | 0.762626 | ALTO | Alta asociación entre purpose__otros=0 y property__seguro de vida=0 (proporción 0.763), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | property__sin propiedad | 0.858586 | ALTO | Alta asociación entre purpose__otros=0 y property__sin propiedad=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | otherplans__banco | 0.949495 | ALTO | Alta asociación entre purpose__otros=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | otherplans__ninguno | 0.873737 | ALTO | Alta asociación entre purpose__otros=0 y otherplans__ninguno=0 (proporción 0.874), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | otherplans__tiendas | 0.823232 | ALTO | Alta asociación entre purpose__otros=0 y otherplans__tiendas=1 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | housing__alquiler | 0.824495 | ALTO | Alta asociación entre purpose__otros=0 y housing__alquiler=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | housing__gratis | 0.898990 | ALTO | Alta asociación entre purpose__otros=0 y housing__gratis=0 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | housing__propietario | 0.723485 | ALTO | Alta asociación entre purpose__otros=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | job__altamente calificado/funcionario | 0.861111 | ALTO | Alta asociación entre purpose__otros=0 y job__altamente calificado/funcionario=0 (proporción 0.861), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | job__calificado | 0.640152 | ALTO | Alta asociación entre purpose__otros=0 y job__calificado=1 (proporción 0.640), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | job__desempleado/no calificado | 0.978535 | ALTO | Alta asociación entre purpose__otros=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | job__no calificado residente | 0.800505 | ALTO | Alta asociación entre purpose__otros=0 y job__no calificado residente=0 (proporción 0.801), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | telephone__no | 0.604798 | ALTO | Alta asociación entre purpose__otros=0 y telephone__no=1 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | telephone__sí | 0.604798 | ALTO | Alta asociación entre purpose__otros=0 y telephone__sí=0 (proporción 0.605), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | estado_civil__casado/viudo | 0.909091 | ALTO | Alta asociación entre purpose__otros=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | estado_civil__divorciada/separada/casada | 0.686869 | ALTO | Alta asociación entre purpose__otros=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | estado_civil__divorciado/separado | 0.946970 | ALTO | Alta asociación entre purpose__otros=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__otros | estado_civil__soltero | 0.542929 | ALTO | Alta asociación entre purpose__otros=0 y estado_civil__soltero=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | purpose__reparaciones | 0.965217 | ALTO | Alta asociación entre purpose__radio/TV=0 y purpose__reparaciones=0 (proporción 0.965), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | purpose__retraining | 0.987826 | ALTO | Alta asociación entre purpose__radio/TV=0 y purpose__retraining=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | savings__saldo positivo de 100 a 500 DM | 0.953043 | ALTO | Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | savings__saldo positivo de 500 a 1000 DM | 0.951304 | ALTO | Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | savings__saldo positivo hasta 100 DM | 0.888696 | ALTO | Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.889), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | savings__saldo positivo superior a 1000 DM | 0.810435 | ALTO | Alta asociación entre purpose__radio/TV=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | savings__sin cuenta de ahorros | 0.603478 | ALTO | Alta asociación entre purpose__radio/TV=0 y savings__sin cuenta de ahorros=1 (proporción 0.603), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | employ__desempleado | 0.933913 | ALTO | Alta asociación entre purpose__radio/TV=0 y employ__desempleado=0 (proporción 0.934), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | employ__empleado de 1 a 4 años | 0.673043 | ALTO | Alta asociación entre purpose__radio/TV=0 y employ__empleado de 1 a 4 años=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | employ__empleado de 4 a 7 años | 0.820870 | ALTO | Alta asociación entre purpose__radio/TV=0 y employ__empleado de 4 a 7 años=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | employ__empleado menos de 1 año | 0.813913 | ALTO | Alta asociación entre purpose__radio/TV=0 y employ__empleado menos de 1 año=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | employ__empleado más de 7 años | 0.758261 | ALTO | Alta asociación entre purpose__radio/TV=0 y employ__empleado más de 7 años=0 (proporción 0.758), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | others__co-deudor | 0.953043 | ALTO | Alta asociación entre purpose__radio/TV=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | others__garante | 0.960000 | ALTO | Alta asociación entre purpose__radio/TV=0 y others__garante=0 (proporción 0.960), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | others__ninguno | 0.913043 | ALTO | Alta asociación entre purpose__radio/TV=0 y others__ninguno=1 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | property__automóvil | 0.686957 | ALTO | Alta asociación entre purpose__radio/TV=0 y property__automóvil=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | property__bienes inmuebles | 0.747826 | ALTO | Alta asociación entre purpose__radio/TV=0 y property__bienes inmuebles=0 (proporción 0.748), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | property__seguro de vida | 0.737391 | ALTO | Alta asociación entre purpose__radio/TV=0 y property__seguro de vida=0 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | property__sin propiedad | 0.827826 | ALTO | Alta asociación entre purpose__radio/TV=0 y property__sin propiedad=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | otherplans__banco | 0.949565 | ALTO | Alta asociación entre purpose__radio/TV=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | otherplans__ninguno | 0.862609 | ALTO | Alta asociación entre purpose__radio/TV=0 y otherplans__ninguno=0 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | otherplans__tiendas | 0.812174 | ALTO | Alta asociación entre purpose__radio/TV=0 y otherplans__tiendas=1 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | housing__alquiler | 0.806957 | ALTO | Alta asociación entre purpose__radio/TV=0 y housing__alquiler=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | housing__gratis | 0.874783 | ALTO | Alta asociación entre purpose__radio/TV=0 y housing__gratis=0 (proporción 0.875), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | housing__propietario | 0.681739 | ALTO | Alta asociación entre purpose__radio/TV=0 y housing__propietario=1 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | job__altamente calificado/funcionario | 0.834783 | ALTO | Alta asociación entre purpose__radio/TV=0 y job__altamente calificado/funcionario=0 (proporción 0.835), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | job__calificado | 0.610435 | ALTO | Alta asociación entre purpose__radio/TV=0 y job__calificado=1 (proporción 0.610), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | job__desempleado/no calificado | 0.972174 | ALTO | Alta asociación entre purpose__radio/TV=0 y job__desempleado/no calificado=0 (proporción 0.972), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | job__no calificado residente | 0.803478 | ALTO | Alta asociación entre purpose__radio/TV=0 y job__no calificado residente=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | telephone__no | 0.568696 | ALTO | Alta asociación entre purpose__radio/TV=0 y telephone__no=1 (proporción 0.569), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | telephone__sí | 0.568696 | ALTO | Alta asociación entre purpose__radio/TV=0 y telephone__sí=0 (proporción 0.569), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | estado_civil__casado/viudo | 0.937391 | ALTO | Alta asociación entre purpose__radio/TV=0 y estado_civil__casado/viudo=0 (proporción 0.937), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | estado_civil__divorciada/separada/casada | 0.680000 | ALTO | Alta asociación entre purpose__radio/TV=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.680), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | estado_civil__divorciado/separado | 0.933913 | ALTO | Alta asociación entre purpose__radio/TV=0 y estado_civil__divorciado/separado=0 (proporción 0.934), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__radio/TV | estado_civil__soltero | 0.551304 | ALTO | Alta asociación entre purpose__radio/TV=0 y estado_civil__soltero=1 (proporción 0.551), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | purpose__retraining | 0.991026 | ALTO | Alta asociación entre purpose__reparaciones=0 y purpose__retraining=0 (proporción 0.991), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | savings__saldo positivo de 100 a 500 DM | 0.939744 | ALTO | Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.940), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | savings__saldo positivo de 500 a 1000 DM | 0.956410 | ALTO | Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | savings__saldo positivo hasta 100 DM | 0.892308 | ALTO | Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | savings__saldo positivo superior a 1000 DM | 0.810256 | ALTO | Alta asociación entre purpose__reparaciones=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | savings__sin cuenta de ahorros | 0.598718 | ALTO | Alta asociación entre purpose__reparaciones=0 y savings__sin cuenta de ahorros=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | employ__desempleado | 0.947436 | ALTO | Alta asociación entre purpose__reparaciones=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | employ__empleado de 1 a 4 años | 0.669231 | ALTO | Alta asociación entre purpose__reparaciones=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | employ__empleado de 4 a 7 años | 0.820513 | ALTO | Alta asociación entre purpose__reparaciones=0 y employ__empleado de 4 a 7 años=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | employ__empleado menos de 1 año | 0.824359 | ALTO | Alta asociación entre purpose__reparaciones=0 y employ__empleado menos de 1 año=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | employ__empleado más de 7 años | 0.738462 | ALTO | Alta asociación entre purpose__reparaciones=0 y employ__empleado más de 7 años=0 (proporción 0.738), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | others__co-deudor | 0.955128 | ALTO | Alta asociación entre purpose__reparaciones=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | others__garante | 0.950000 | ALTO | Alta asociación entre purpose__reparaciones=0 y others__garante=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | others__ninguno | 0.905128 | ALTO | Alta asociación entre purpose__reparaciones=0 y others__ninguno=1 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | property__automóvil | 0.667949 | ALTO | Alta asociación entre purpose__reparaciones=0 y property__automóvil=0 (proporción 0.668), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | property__bienes inmuebles | 0.712821 | ALTO | Alta asociación entre purpose__reparaciones=0 y property__bienes inmuebles=0 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | property__seguro de vida | 0.760256 | ALTO | Alta asociación entre purpose__reparaciones=0 y property__seguro de vida=0 (proporción 0.760), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | property__sin propiedad | 0.858974 | ALTO | Alta asociación entre purpose__reparaciones=0 y property__sin propiedad=0 (proporción 0.859), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | otherplans__banco | 0.948718 | ALTO | Alta asociación entre purpose__reparaciones=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | otherplans__ninguno | 0.866667 | ALTO | Alta asociación entre purpose__reparaciones=0 y otherplans__ninguno=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | otherplans__tiendas | 0.815385 | ALTO | Alta asociación entre purpose__reparaciones=0 y otherplans__tiendas=1 (proporción 0.815), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | housing__alquiler | 0.824359 | ALTO | Alta asociación entre purpose__reparaciones=0 y housing__alquiler=0 (proporción 0.824), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | housing__gratis | 0.898718 | ALTO | Alta asociación entre purpose__reparaciones=0 y housing__gratis=0 (proporción 0.899), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | housing__propietario | 0.723077 | ALTO | Alta asociación entre purpose__reparaciones=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | job__altamente calificado/funcionario | 0.850000 | ALTO | Alta asociación entre purpose__reparaciones=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | job__calificado | 0.635897 | ALTO | Alta asociación entre purpose__reparaciones=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | job__desempleado/no calificado | 0.980769 | ALTO | Alta asociación entre purpose__reparaciones=0 y job__desempleado/no calificado=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | job__no calificado residente | 0.805128 | ALTO | Alta asociación entre purpose__reparaciones=0 y job__no calificado residente=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | telephone__no | 0.592308 | ALTO | Alta asociación entre purpose__reparaciones=0 y telephone__no=1 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | telephone__sí | 0.592308 | ALTO | Alta asociación entre purpose__reparaciones=0 y telephone__sí=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | estado_civil__casado/viudo | 0.911538 | ALTO | Alta asociación entre purpose__reparaciones=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | estado_civil__divorciada/separada/casada | 0.684615 | ALTO | Alta asociación entre purpose__reparaciones=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.685), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | estado_civil__divorciado/separado | 0.948718 | ALTO | Alta asociación entre purpose__reparaciones=0 y estado_civil__divorciado/separado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__reparaciones | estado_civil__soltero | 0.544872 | ALTO | Alta asociación entre purpose__reparaciones=0 y estado_civil__soltero=1 (proporción 0.545), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | savings__saldo positivo de 100 a 500 DM | 0.939470 | ALTO | Alta asociación entre purpose__retraining=0 y savings__saldo positivo de 100 a 500 DM=0 (proporción 0.939), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | savings__saldo positivo de 500 a 1000 DM | 0.954603 | ALTO | Alta asociación entre purpose__retraining=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | savings__saldo positivo hasta 100 DM | 0.890290 | ALTO | Alta asociación entre purpose__retraining=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | savings__saldo positivo superior a 1000 DM | 0.817150 | ALTO | Alta asociación entre purpose__retraining=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | savings__sin cuenta de ahorros | 0.601513 | ALTO | Alta asociación entre purpose__retraining=0 y savings__sin cuenta de ahorros=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | employ__desempleado | 0.947037 | ALTO | Alta asociación entre purpose__retraining=0 y employ__desempleado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | employ__empleado de 1 a 4 años | 0.667087 | ALTO | Alta asociación entre purpose__retraining=0 y employ__empleado de 1 a 4 años=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | employ__empleado de 4 a 7 años | 0.823455 | ALTO | Alta asociación entre purpose__retraining=0 y employ__empleado de 4 a 7 años=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | employ__empleado menos de 1 año | 0.823455 | ALTO | Alta asociación entre purpose__retraining=0 y employ__empleado menos de 1 año=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | employ__empleado más de 7 años | 0.738966 | ALTO | Alta asociación entre purpose__retraining=0 y employ__empleado más de 7 años=0 (proporción 0.739), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | others__co-deudor | 0.954603 | ALTO | Alta asociación entre purpose__retraining=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | others__garante | 0.948298 | ALTO | Alta asociación entre purpose__retraining=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | others__ninguno | 0.902900 | ALTO | Alta asociación entre purpose__retraining=0 y others__ninguno=1 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | property__automóvil | 0.669609 | ALTO | Alta asociación entre purpose__retraining=0 y property__automóvil=0 (proporción 0.670), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | property__bienes inmuebles | 0.707440 | ALTO | Alta asociación entre purpose__retraining=0 y property__bienes inmuebles=0 (proporción 0.707), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | property__seguro de vida | 0.767970 | ALTO | Alta asociación entre purpose__retraining=0 y property__seguro de vida=0 (proporción 0.768), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | property__sin propiedad | 0.854981 | ALTO | Alta asociación entre purpose__retraining=0 y property__sin propiedad=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | otherplans__banco | 0.948298 | ALTO | Alta asociación entre purpose__retraining=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | otherplans__ninguno | 0.868852 | ALTO | Alta asociación entre purpose__retraining=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | otherplans__tiendas | 0.817150 | ALTO | Alta asociación entre purpose__retraining=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | housing__alquiler | 0.825977 | ALTO | Alta asociación entre purpose__retraining=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | housing__gratis | 0.896595 | ALTO | Alta asociación entre purpose__retraining=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | housing__propietario | 0.722573 | ALTO | Alta asociación entre purpose__retraining=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | job__altamente calificado/funcionario | 0.853720 | ALTO | Alta asociación entre purpose__retraining=0 y job__altamente calificado/funcionario=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | job__calificado | 0.635561 | ALTO | Alta asociación entre purpose__retraining=0 y job__calificado=1 (proporción 0.636), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | job__desempleado/no calificado | 0.978562 | ALTO | Alta asociación entre purpose__retraining=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | job__no calificado residente | 0.803279 | ALTO | Alta asociación entre purpose__retraining=0 y job__no calificado residente=0 (proporción 0.803), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | telephone__no | 0.598991 | ALTO | Alta asociación entre purpose__retraining=0 y telephone__no=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | telephone__sí | 0.598991 | ALTO | Alta asociación entre purpose__retraining=0 y telephone__sí=0 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | estado_civil__casado/viudo | 0.911728 | ALTO | Alta asociación entre purpose__retraining=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | estado_civil__divorciada/separada/casada | 0.687264 | ALTO | Alta asociación entre purpose__retraining=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | estado_civil__divorciado/separado | 0.947037 | ALTO | Alta asociación entre purpose__retraining=0 y estado_civil__divorciado/separado=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| purpose__retraining | estado_civil__soltero | 0.546028 | ALTO | Alta asociación entre purpose__retraining=0 y estado_civil__soltero=1 (proporción 0.546), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | savings__saldo positivo de 500 a 1000 DM | 0.952128 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__saldo positivo de 500 a 1000 DM=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | savings__saldo positivo hasta 100 DM | 0.884309 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.884), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | savings__saldo positivo superior a 1000 DM | 0.801862 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.802), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | savings__sin cuenta de ahorros | 0.638298 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.638), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | employ__desempleado | 0.944149 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | employ__empleado de 1 a 4 años | 0.675532 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | employ__empleado de 4 a 7 años | 0.817819 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | employ__empleado menos de 1 año | 0.816489 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | employ__empleado más de 7 años | 0.746011 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y employ__empleado más de 7 años=0 (proporción 0.746), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | others__co-deudor | 0.952128 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y others__co-deudor=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | others__garante | 0.945479 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y others__garante=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | others__ninguno | 0.897606 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y others__ninguno=1 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | property__automóvil | 0.679521 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__automóvil=0 (proporción 0.680), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | property__bienes inmuebles | 0.706117 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__bienes inmuebles=0 (proporción 0.706), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | property__seguro de vida | 0.759309 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__seguro de vida=0 (proporción 0.759), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | property__sin propiedad | 0.855053 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y property__sin propiedad=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | otherplans__banco | 0.948138 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | otherplans__ninguno | 0.871011 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | otherplans__tiendas | 0.819149 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y otherplans__tiendas=1 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | housing__alquiler | 0.825798 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | housing__gratis | 0.897606 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y housing__gratis=0 (proporción 0.898), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | housing__propietario | 0.723404 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y housing__propietario=1 (proporción 0.723), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | job__altamente calificado/funcionario | 0.851064 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | job__calificado | 0.628989 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__calificado=1 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | job__desempleado/no calificado | 0.978723 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | job__no calificado residente | 0.799202 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y job__no calificado residente=0 (proporción 0.799), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | telephone__no | 0.601064 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y telephone__no=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | telephone__sí | 0.601064 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y telephone__sí=0 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | estado_civil__casado/viudo | 0.913564 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__casado/viudo=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | estado_civil__divorciada/separada/casada | 0.678191 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | estado_civil__divorciado/separado | 0.949468 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 100 a 500 DM | estado_civil__soltero | 0.541223 | ALTO | Alta asociación entre savings__saldo positivo de 100 a 500 DM=0 y estado_civil__soltero=1 (proporción 0.541), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | savings__saldo positivo hasta 100 DM | 0.886126 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y savings__saldo positivo hasta 100 DM=0 (proporción 0.886), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | savings__saldo positivo superior a 1000 DM | 0.804974 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | savings__sin cuenta de ahorros | 0.628272 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.628), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | employ__desempleado | 0.943717 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__desempleado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | employ__empleado de 1 a 4 años | 0.668848 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | employ__empleado de 4 a 7 años | 0.821990 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | employ__empleado menos de 1 año | 0.821990 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | employ__empleado más de 7 años | 0.743455 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y employ__empleado más de 7 años=0 (proporción 0.743), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | others__co-deudor | 0.954188 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y others__co-deudor=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | others__garante | 0.946335 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | others__ninguno | 0.900524 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y others__ninguno=1 (proporción 0.901), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | property__automóvil | 0.668848 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__automóvil=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | property__bienes inmuebles | 0.715969 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__bienes inmuebles=0 (proporción 0.716), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | property__seguro de vida | 0.761780 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__seguro de vida=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | property__sin propiedad | 0.853403 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y property__sin propiedad=0 (proporción 0.853), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | otherplans__banco | 0.950262 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | otherplans__ninguno | 0.870419 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | otherplans__tiendas | 0.820681 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | housing__alquiler | 0.823298 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y housing__alquiler=0 (proporción 0.823), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | housing__gratis | 0.895288 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y housing__gratis=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | housing__propietario | 0.718586 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y housing__propietario=1 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | job__altamente calificado/funcionario | 0.849476 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | job__calificado | 0.626963 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__calificado=1 (proporción 0.627), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | job__desempleado/no calificado | 0.979058 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__desempleado/no calificado=0 (proporción 0.979), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | job__no calificado residente | 0.798429 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | telephone__no | 0.599476 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y telephone__no=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | telephone__sí | 0.599476 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y telephone__sí=0 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | estado_civil__casado/viudo | 0.909686 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__casado/viudo=0 (proporción 0.910), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | estado_civil__divorciada/separada/casada | 0.689791 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | estado_civil__divorciado/separado | 0.948953 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo de 500 a 1000 DM | estado_civil__soltero | 0.548429 | ALTO | Alta asociación entre savings__saldo positivo de 500 a 1000 DM=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | savings__saldo positivo superior a 1000 DM | 0.791024 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y savings__saldo positivo superior a 1000 DM=0 (proporción 0.791), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | savings__sin cuenta de ahorros | 0.673212 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | employ__desempleado | 0.948107 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__desempleado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | employ__empleado de 1 a 4 años | 0.669004 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | employ__empleado de 4 a 7 años | 0.826087 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | employ__empleado menos de 1 año | 0.824684 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.825), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | employ__empleado más de 7 años | 0.732118 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y employ__empleado más de 7 años=0 (proporción 0.732), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | others__co-deudor | 0.957924 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y others__co-deudor=0 (proporción 0.958), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | others__garante | 0.946704 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | others__ninguno | 0.904628 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y others__ninguno=1 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | property__automóvil | 0.681627 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__automóvil=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | property__bienes inmuebles | 0.697055 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__bienes inmuebles=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | property__seguro de vida | 0.764376 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__seguro de vida=0 (proporción 0.764), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | property__sin propiedad | 0.856942 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y property__sin propiedad=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | otherplans__banco | 0.948107 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | otherplans__ninguno | 0.870968 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y otherplans__ninguno=0 (proporción 0.871), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | otherplans__tiendas | 0.819074 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y otherplans__tiendas=1 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | housing__alquiler | 0.828892 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y housing__alquiler=0 (proporción 0.829), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | housing__gratis | 0.894811 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y housing__gratis=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | housing__propietario | 0.723703 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y housing__propietario=1 (proporción 0.724), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | job__altamente calificado/funcionario | 0.851332 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | job__calificado | 0.631136 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__calificado=1 (proporción 0.631), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | job__desempleado/no calificado | 0.976157 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__desempleado/no calificado=0 (proporción 0.976), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | job__no calificado residente | 0.803647 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y job__no calificado residente=0 (proporción 0.804), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | telephone__no | 0.594670 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y telephone__no=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | telephone__sí | 0.594670 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y telephone__sí=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | estado_civil__casado/viudo | 0.911641 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | estado_civil__divorciada/separada/casada | 0.690042 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | estado_civil__divorciado/separado | 0.948107 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo hasta 100 DM | estado_civil__soltero | 0.549790 | ALTO | Alta asociación entre savings__saldo positivo hasta 100 DM=0 y estado_civil__soltero=1 (proporción 0.550), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | savings__sin cuenta de ahorros | 0.737327 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y savings__sin cuenta de ahorros=1 (proporción 0.737), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | employ__desempleado | 0.941628 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__desempleado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | employ__empleado de 1 a 4 años | 0.662058 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado de 1 a 4 años=0 (proporción 0.662), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | employ__empleado de 4 a 7 años | 0.826421 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado de 4 a 7 años=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | employ__empleado menos de 1 año | 0.811060 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado menos de 1 año=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | employ__empleado más de 7 años | 0.758833 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y employ__empleado más de 7 años=0 (proporción 0.759), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | others__co-deudor | 0.950845 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y others__co-deudor=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | others__garante | 0.941628 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y others__garante=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | others__ninguno | 0.892473 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y others__ninguno=1 (proporción 0.892), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | property__automóvil | 0.665131 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__automóvil=0 (proporción 0.665), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | property__bienes inmuebles | 0.697389 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__bienes inmuebles=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | property__seguro de vida | 0.777266 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__seguro de vida=0 (proporción 0.777), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | property__sin propiedad | 0.860215 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y property__sin propiedad=0 (proporción 0.860), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | otherplans__banco | 0.946237 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y otherplans__banco=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | otherplans__ninguno | 0.867896 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y otherplans__ninguno=0 (proporción 0.868), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | otherplans__tiendas | 0.814132 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y otherplans__tiendas=1 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | housing__alquiler | 0.826421 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | housing__gratis | 0.903226 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y housing__gratis=0 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | housing__propietario | 0.729647 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y housing__propietario=1 (proporción 0.730), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | job__altamente calificado/funcionario | 0.855607 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__altamente calificado/funcionario=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | job__calificado | 0.626728 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__calificado=1 (proporción 0.627), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | job__desempleado/no calificado | 0.976959 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | job__no calificado residente | 0.794163 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y job__no calificado residente=0 (proporción 0.794), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | telephone__no | 0.612903 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y telephone__no=1 (proporción 0.613), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | telephone__sí | 0.612903 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y telephone__sí=0 (proporción 0.613), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | estado_civil__casado/viudo | 0.901690 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__casado/viudo=0 (proporción 0.902), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | estado_civil__divorciada/separada/casada | 0.680492 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.680), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | estado_civil__divorciado/separado | 0.944700 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__saldo positivo superior a 1000 DM | estado_civil__soltero | 0.526882 | ALTO | Alta asociación entre savings__saldo positivo superior a 1000 DM=0 y estado_civil__soltero=1 (proporción 0.527), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | employ__desempleado | 0.962500 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y employ__desempleado=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | employ__empleado de 1 a 4 años | 0.665625 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado de 1 a 4 años=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | employ__empleado de 4 a 7 años | 0.806250 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado de 4 a 7 años=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | employ__empleado menos de 1 año | 0.868750 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado menos de 1 año=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | employ__empleado más de 7 años | 0.696875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y employ__empleado más de 7 años=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | others__co-deudor | 0.965625 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y others__co-deudor=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | others__garante | 0.981250 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y others__garante=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | others__ninguno | 0.946875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y others__ninguno=1 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | property__automóvil | 0.646875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y property__automóvil=0 (proporción 0.647), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | property__bienes inmuebles | 0.746875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y property__bienes inmuebles=0 (proporción 0.747), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | property__seguro de vida | 0.750000 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y property__seguro de vida=0 (proporción 0.750), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | property__sin propiedad | 0.856250 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y property__sin propiedad=0 (proporción 0.856), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | otherplans__banco | 0.953125 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y otherplans__banco=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | otherplans__ninguno | 0.868750 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | otherplans__tiendas | 0.821875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y otherplans__tiendas=1 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | housing__alquiler | 0.828125 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y housing__alquiler=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | housing__gratis | 0.896875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | housing__propietario | 0.725000 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y housing__propietario=1 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | job__altamente calificado/funcionario | 0.871875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y job__altamente calificado/funcionario=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | job__calificado | 0.681250 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y job__calificado=1 (proporción 0.681), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | job__desempleado/no calificado | 0.987500 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y job__desempleado/no calificado=0 (proporción 0.988), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | job__no calificado residente | 0.821875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y job__no calificado residente=0 (proporción 0.822), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | telephone__no | 0.571875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y telephone__no=1 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | telephone__sí | 0.571875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y telephone__sí=0 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | estado_civil__casado/viudo | 0.915625 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | estado_civil__divorciada/separada/casada | 0.712500 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | estado_civil__divorciado/separado | 0.943750 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__divorciado/separado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| savings__sin cuenta de ahorros | estado_civil__soltero | 0.571875 | ALTO | Alta asociación entre savings__sin cuenta de ahorros=0 y estado_civil__soltero=1 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | employ__empleado de 1 a 4 años | 0.649934 | ALTO | Alta asociación entre employ__desempleado=0 y employ__empleado de 1 a 4 años=0 (proporción 0.650), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | employ__empleado de 4 a 7 años | 0.811096 | ALTO | Alta asociación entre employ__desempleado=0 y employ__empleado de 4 a 7 años=0 (proporción 0.811), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | employ__empleado menos de 1 año | 0.813738 | ALTO | Alta asociación entre employ__desempleado=0 y employ__empleado menos de 1 año=0 (proporción 0.814), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | employ__empleado más de 7 años | 0.725231 | ALTO | Alta asociación entre employ__desempleado=0 y employ__empleado más de 7 años=0 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | others__co-deudor | 0.959049 | ALTO | Alta asociación entre employ__desempleado=0 y others__co-deudor=0 (proporción 0.959), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | others__garante | 0.945839 | ALTO | Alta asociación entre employ__desempleado=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | others__ninguno | 0.904888 | ALTO | Alta asociación entre employ__desempleado=0 y others__ninguno=1 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | property__automóvil | 0.668428 | ALTO | Alta asociación entre employ__desempleado=0 y property__automóvil=0 (proporción 0.668), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | property__bienes inmuebles | 0.701453 | ALTO | Alta asociación entre employ__desempleado=0 y property__bienes inmuebles=0 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | property__seguro de vida | 0.764861 | ALTO | Alta asociación entre employ__desempleado=0 y property__seguro de vida=0 (proporción 0.765), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | property__sin propiedad | 0.865258 | ALTO | Alta asociación entre employ__desempleado=0 y property__sin propiedad=0 (proporción 0.865), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | otherplans__banco | 0.951123 | ALTO | Alta asociación entre employ__desempleado=0 y otherplans__banco=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | otherplans__ninguno | 0.869221 | ALTO | Alta asociación entre employ__desempleado=0 y otherplans__ninguno=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | otherplans__tiendas | 0.820343 | ALTO | Alta asociación entre employ__desempleado=0 y otherplans__tiendas=1 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | housing__alquiler | 0.820343 | ALTO | Alta asociación entre employ__desempleado=0 y housing__alquiler=0 (proporción 0.820), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | housing__gratis | 0.908851 | ALTO | Alta asociación entre employ__desempleado=0 y housing__gratis=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | housing__propietario | 0.729194 | ALTO | Alta asociación entre employ__desempleado=0 y housing__propietario=1 (proporción 0.729), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | job__altamente calificado/funcionario | 0.875826 | ALTO | Alta asociación entre employ__desempleado=0 y job__altamente calificado/funcionario=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | job__calificado | 0.660502 | ALTO | Alta asociación entre employ__desempleado=0 y job__calificado=1 (proporción 0.661), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | job__desempleado/no calificado | 0.993395 | ALTO | Alta asociación entre employ__desempleado=0 y job__desempleado/no calificado=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | job__no calificado residente | 0.791281 | ALTO | Alta asociación entre employ__desempleado=0 y job__no calificado residente=0 (proporción 0.791), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | telephone__no | 0.607662 | ALTO | Alta asociación entre employ__desempleado=0 y telephone__no=1 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | telephone__sí | 0.607662 | ALTO | Alta asociación entre employ__desempleado=0 y telephone__sí=0 (proporción 0.608), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | estado_civil__casado/viudo | 0.907530 | ALTO | Alta asociación entre employ__desempleado=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | estado_civil__divorciada/separada/casada | 0.689564 | ALTO | Alta asociación entre employ__desempleado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | estado_civil__divorciado/separado | 0.945839 | ALTO | Alta asociación entre employ__desempleado=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__desempleado | estado_civil__soltero | 0.542933 | ALTO | Alta asociación entre employ__desempleado=0 y estado_civil__soltero=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | employ__empleado de 4 a 7 años | 0.732710 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y employ__empleado de 4 a 7 años=0 (proporción 0.733), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | employ__empleado menos de 1 año | 0.736449 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y employ__empleado menos de 1 año=0 (proporción 0.736), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | employ__empleado más de 7 años | 0.611215 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y employ__empleado más de 7 años=0 (proporción 0.611), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | others__co-deudor | 0.955140 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y others__co-deudor=0 (proporción 0.955), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | others__garante | 0.962617 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y others__garante=0 (proporción 0.963), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | others__ninguno | 0.917757 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y others__ninguno=1 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | property__automóvil | 0.672897 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y property__automóvil=0 (proporción 0.673), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | property__bienes inmuebles | 0.753271 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y property__bienes inmuebles=0 (proporción 0.753), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | property__seguro de vida | 0.745794 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y property__seguro de vida=0 (proporción 0.746), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | property__sin propiedad | 0.828037 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y property__sin propiedad=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | otherplans__banco | 0.953271 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y otherplans__banco=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | otherplans__ninguno | 0.852336 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y otherplans__ninguno=0 (proporción 0.852), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | otherplans__tiendas | 0.805607 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y otherplans__tiendas=1 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | housing__alquiler | 0.826168 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | housing__gratis | 0.876636 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y housing__gratis=0 (proporción 0.877), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | housing__propietario | 0.702804 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y housing__propietario=1 (proporción 0.703), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | job__altamente calificado/funcionario | 0.820561 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y job__altamente calificado/funcionario=0 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | job__calificado | 0.609346 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y job__calificado=1 (proporción 0.609), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | job__desempleado/no calificado | 0.970093 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y job__desempleado/no calificado=0 (proporción 0.970), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | job__no calificado residente | 0.818692 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y job__no calificado residente=0 (proporción 0.819), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | telephone__no | 0.566355 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y telephone__no=1 (proporción 0.566), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | telephone__sí | 0.566355 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y telephone__sí=0 (proporción 0.566), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | estado_civil__casado/viudo | 0.917757 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__casado/viudo=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | estado_civil__divorciada/separada/casada | 0.700935 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.701), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | estado_civil__divorciado/separado | 0.949533 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 1 a 4 años | estado_civil__soltero | 0.568224 | ALTO | Alta asociación entre employ__empleado de 1 a 4 años=0 y estado_civil__soltero=1 (proporción 0.568), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | employ__empleado menos de 1 año | 0.785388 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y employ__empleado menos de 1 año=0 (proporción 0.785), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | employ__empleado más de 7 años | 0.683409 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y employ__empleado más de 7 años=0 (proporción 0.683), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | others__co-deudor | 0.954338 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y others__co-deudor=0 (proporción 0.954), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | others__garante | 0.948250 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y others__garante=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | others__ninguno | 0.902588 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y others__ninguno=1 (proporción 0.903), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | property__automóvil | 0.686454 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y property__automóvil=0 (proporción 0.686), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | property__bienes inmuebles | 0.697108 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y property__bienes inmuebles=0 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | property__seguro de vida | 0.770167 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y property__seguro de vida=0 (proporción 0.770), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | property__sin propiedad | 0.846271 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y property__sin propiedad=0 (proporción 0.846), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | otherplans__banco | 0.945205 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y otherplans__banco=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | otherplans__ninguno | 0.872146 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y otherplans__ninguno=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | otherplans__tiendas | 0.817352 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | housing__alquiler | 0.828006 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y housing__alquiler=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | housing__gratis | 0.890411 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y housing__gratis=0 (proporción 0.890), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | housing__propietario | 0.718417 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y housing__propietario=1 (proporción 0.718), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | job__altamente calificado/funcionario | 0.847793 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y job__altamente calificado/funcionario=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | job__calificado | 0.621005 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y job__calificado=1 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | job__desempleado/no calificado | 0.974125 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y job__desempleado/no calificado=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | job__no calificado residente | 0.799087 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y job__no calificado residente=0 (proporción 0.799), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | telephone__no | 0.605784 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y telephone__no=1 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | telephone__sí | 0.605784 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y telephone__sí=0 (proporción 0.606), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | estado_civil__casado/viudo | 0.911720 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__casado/viudo=0 (proporción 0.912), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | estado_civil__divorciada/separada/casada | 0.677321 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.677), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | estado_civil__divorciado/separado | 0.942161 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado de 4 a 7 años | estado_civil__soltero | 0.531202 | ALTO | Alta asociación entre employ__empleado de 4 a 7 años=0 y estado_civil__soltero=1 (proporción 0.531), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | employ__empleado más de 7 años | 0.684370 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y employ__empleado más de 7 años=0 (proporción 0.684), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | others__co-deudor | 0.952959 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | others__garante | 0.946889 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y others__garante=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | others__ninguno | 0.899848 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y others__ninguno=1 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | property__automóvil | 0.663126 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y property__automóvil=0 (proporción 0.663), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | property__bienes inmuebles | 0.711684 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y property__bienes inmuebles=0 (proporción 0.712), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | property__seguro de vida | 0.781487 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y property__seguro de vida=0 (proporción 0.781), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | property__sin propiedad | 0.843703 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y property__sin propiedad=0 (proporción 0.844), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | otherplans__banco | 0.949924 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y otherplans__banco=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | otherplans__ninguno | 0.867982 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y otherplans__ninguno=0 (proporción 0.868), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | otherplans__tiendas | 0.817906 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y otherplans__tiendas=1 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | housing__alquiler | 0.848255 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y housing__alquiler=0 (proporción 0.848), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | housing__gratis | 0.880121 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y housing__gratis=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | housing__propietario | 0.728376 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | job__altamente calificado/funcionario | 0.843703 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y job__altamente calificado/funcionario=0 (proporción 0.844), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | job__calificado | 0.640364 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y job__calificado=1 (proporción 0.640), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | job__desempleado/no calificado | 0.980273 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | job__no calificado residente | 0.816388 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y job__no calificado residente=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | telephone__no | 0.584219 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y telephone__no=1 (proporción 0.584), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | telephone__sí | 0.584219 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y telephone__sí=0 (proporción 0.584), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | estado_civil__casado/viudo | 0.919575 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__casado/viudo=0 (proporción 0.920), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | estado_civil__divorciada/separada/casada | 0.726859 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.727), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | estado_civil__divorciado/separado | 0.949924 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__divorciado/separado=0 (proporción 0.950), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado menos de 1 año | estado_civil__soltero | 0.596358 | ALTO | Alta asociación entre employ__empleado menos de 1 año=0 y estado_civil__soltero=1 (proporción 0.596), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | others__co-deudor | 0.952703 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y others__co-deudor=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | others__garante | 0.942568 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y others__garante=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | others__ninguno | 0.895270 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y others__ninguno=1 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | property__automóvil | 0.665541 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y property__automóvil=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | property__bienes inmuebles | 0.687500 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y property__bienes inmuebles=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | property__seguro de vida | 0.751689 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y property__seguro de vida=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | property__sin propiedad | 0.895270 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y property__sin propiedad=0 (proporción 0.895), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | otherplans__banco | 0.944257 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y otherplans__banco=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | otherplans__ninguno | 0.886824 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y otherplans__ninguno=0 (proporción 0.887), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | otherplans__tiendas | 0.831081 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y otherplans__tiendas=1 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | housing__alquiler | 0.807432 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y housing__alquiler=0 (proporción 0.807), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | housing__gratis | 0.929054 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y housing__gratis=0 (proporción 0.929), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | housing__propietario | 0.736486 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y housing__propietario=1 (proporción 0.736), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | job__altamente calificado/funcionario | 0.873311 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y job__altamente calificado/funcionario=0 (proporción 0.873), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | job__calificado | 0.628378 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y job__calificado=1 (proporción 0.628), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | job__desempleado/no calificado | 0.971284 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y job__desempleado/no calificado=0 (proporción 0.971), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | job__no calificado residente | 0.783784 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y job__no calificado residente=0 (proporción 0.784), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | telephone__no | 0.625000 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y telephone__no=1 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | telephone__sí | 0.625000 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y telephone__sí=0 (proporción 0.625), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | estado_civil__casado/viudo | 0.893581 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__casado/viudo=0 (proporción 0.894), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | estado_civil__divorciada/separada/casada | 0.640203 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.640), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | estado_civil__divorciado/separado | 0.951014 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__divorciado/separado=0 (proporción 0.951), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| employ__empleado más de 7 años | estado_civil__soltero | 0.515203 | ALTO | Alta asociación entre employ__empleado más de 7 años=0 y estado_civil__soltero=0 (proporción 0.515), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | others__garante | 0.946335 | ALTO | Alta asociación entre others__co-deudor=0 y others__garante=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | others__ninguno | 0.946335 | ALTO | Alta asociación entre others__co-deudor=0 y others__ninguno=1 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | property__automóvil | 0.666230 | ALTO | Alta asociación entre others__co-deudor=0 y property__automóvil=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | property__bienes inmuebles | 0.709424 | ALTO | Alta asociación entre others__co-deudor=0 y property__bienes inmuebles=0 (proporción 0.709), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | property__seguro de vida | 0.761780 | ALTO | Alta asociación entre others__co-deudor=0 y property__seguro de vida=0 (proporción 0.762), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | property__sin propiedad | 0.862565 | ALTO | Alta asociación entre others__co-deudor=0 y property__sin propiedad=0 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | otherplans__banco | 0.947644 | ALTO | Alta asociación entre others__co-deudor=0 y otherplans__banco=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | otherplans__ninguno | 0.870419 | ALTO | Alta asociación entre others__co-deudor=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | otherplans__tiendas | 0.818063 | ALTO | Alta asociación entre others__co-deudor=0 y otherplans__tiendas=1 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | housing__alquiler | 0.831152 | ALTO | Alta asociación entre others__co-deudor=0 y housing__alquiler=0 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | housing__gratis | 0.896597 | ALTO | Alta asociación entre others__co-deudor=0 y housing__gratis=0 (proporción 0.897), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | housing__propietario | 0.727749 | ALTO | Alta asociación entre others__co-deudor=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | job__altamente calificado/funcionario | 0.854712 | ALTO | Alta asociación entre others__co-deudor=0 y job__altamente calificado/funcionario=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | job__calificado | 0.633508 | ALTO | Alta asociación entre others__co-deudor=0 y job__calificado=1 (proporción 0.634), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | job__desempleado/no calificado | 0.980366 | ALTO | Alta asociación entre others__co-deudor=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | job__no calificado residente | 0.798429 | ALTO | Alta asociación entre others__co-deudor=0 y job__no calificado residente=0 (proporción 0.798), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | telephone__no | 0.596859 | ALTO | Alta asociación entre others__co-deudor=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | telephone__sí | 0.596859 | ALTO | Alta asociación entre others__co-deudor=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | estado_civil__casado/viudo | 0.909686 | ALTO | Alta asociación entre others__co-deudor=0 y estado_civil__casado/viudo=0 (proporción 0.910), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | estado_civil__divorciada/separada/casada | 0.687173 | ALTO | Alta asociación entre others__co-deudor=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.687), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | estado_civil__divorciado/separado | 0.945026 | ALTO | Alta asociación entre others__co-deudor=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__co-deudor | estado_civil__soltero | 0.541885 | ALTO | Alta asociación entre others__co-deudor=0 y estado_civil__soltero=1 (proporción 0.542), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | others__ninguno | 0.952569 | ALTO | Alta asociación entre others__garante=0 y others__ninguno=1 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | property__automóvil | 0.657444 | ALTO | Alta asociación entre others__garante=0 y property__automóvil=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | property__bienes inmuebles | 0.724638 | ALTO | Alta asociación entre others__garante=0 y property__bienes inmuebles=0 (proporción 0.725), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | property__seguro de vida | 0.766798 | ALTO | Alta asociación entre others__garante=0 y property__seguro de vida=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | property__sin propiedad | 0.851120 | ALTO | Alta asociación entre others__garante=0 y property__sin propiedad=0 (proporción 0.851), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | otherplans__banco | 0.947299 | ALTO | Alta asociación entre others__garante=0 y otherplans__banco=0 (proporción 0.947), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | otherplans__ninguno | 0.873518 | ALTO | Alta asociación entre others__garante=0 y otherplans__ninguno=0 (proporción 0.874), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | otherplans__tiendas | 0.820817 | ALTO | Alta asociación entre others__garante=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | housing__alquiler | 0.826087 | ALTO | Alta asociación entre others__garante=0 y housing__alquiler=0 (proporción 0.826), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | housing__gratis | 0.893281 | ALTO | Alta asociación entre others__garante=0 y housing__gratis=0 (proporción 0.893), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | housing__propietario | 0.719368 | ALTO | Alta asociación entre others__garante=0 y housing__propietario=1 (proporción 0.719), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | job__altamente calificado/funcionario | 0.847167 | ALTO | Alta asociación entre others__garante=0 y job__altamente calificado/funcionario=0 (proporción 0.847), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | job__calificado | 0.632411 | ALTO | Alta asociación entre others__garante=0 y job__calificado=1 (proporción 0.632), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | job__desempleado/no calificado | 0.977602 | ALTO | Alta asociación entre others__garante=0 y job__desempleado/no calificado=0 (proporción 0.978), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | job__no calificado residente | 0.807642 | ALTO | Alta asociación entre others__garante=0 y job__no calificado residente=0 (proporción 0.808), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | telephone__no | 0.591568 | ALTO | Alta asociación entre others__garante=0 y telephone__no=1 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | telephone__sí | 0.591568 | ALTO | Alta asociación entre others__garante=0 y telephone__sí=0 (proporción 0.592), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | estado_civil__casado/viudo | 0.913043 | ALTO | Alta asociación entre others__garante=0 y estado_civil__casado/viudo=0 (proporción 0.913), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | estado_civil__divorciada/separada/casada | 0.689065 | ALTO | Alta asociación entre others__garante=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.689), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | estado_civil__divorciado/separado | 0.945982 | ALTO | Alta asociación entre others__garante=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__garante | estado_civil__soltero | 0.548090 | ALTO | Alta asociación entre others__garante=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | property__automóvil | 0.857143 | ALTO | Alta asociación entre others__ninguno=0 y property__automóvil=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | property__bienes inmuebles | 0.545455 | ALTO | Alta asociación entre others__ninguno=0 y property__bienes inmuebles=0 (proporción 0.545), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | property__seguro de vida | 0.753247 | ALTO | Alta asociación entre others__ninguno=0 y property__seguro de vida=0 (proporción 0.753), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | property__sin propiedad | 0.844156 | ALTO | Alta asociación entre others__ninguno=0 y property__sin propiedad=0 (proporción 0.844), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | otherplans__banco | 0.974026 | ALTO | Alta asociación entre others__ninguno=0 y otherplans__banco=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | otherplans__ninguno | 0.831169 | ALTO | Alta asociación entre others__ninguno=0 y otherplans__ninguno=0 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | otherplans__tiendas | 0.805195 | ALTO | Alta asociación entre others__ninguno=0 y otherplans__tiendas=1 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | housing__alquiler | 0.779221 | ALTO | Alta asociación entre others__ninguno=0 y housing__alquiler=0 (proporción 0.779), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | housing__gratis | 0.948052 | ALTO | Alta asociación entre others__ninguno=0 y housing__gratis=0 (proporción 0.948), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | housing__propietario | 0.727273 | ALTO | Alta asociación entre others__ninguno=0 y housing__propietario=1 (proporción 0.727), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | job__altamente calificado/funcionario | 0.909091 | ALTO | Alta asociación entre others__ninguno=0 y job__altamente calificado/funcionario=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | job__calificado | 0.649351 | ALTO | Alta asociación entre others__ninguno=0 y job__calificado=1 (proporción 0.649), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | job__desempleado/no calificado | 0.974026 | ALTO | Alta asociación entre others__ninguno=0 y job__desempleado/no calificado=0 (proporción 0.974), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | job__no calificado residente | 0.766234 | ALTO | Alta asociación entre others__ninguno=0 y job__no calificado residente=0 (proporción 0.766), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | telephone__no | 0.688312 | ALTO | Alta asociación entre others__ninguno=0 y telephone__no=1 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | telephone__sí | 0.688312 | ALTO | Alta asociación entre others__ninguno=0 y telephone__sí=0 (proporción 0.688), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | estado_civil__casado/viudo | 0.883117 | ALTO | Alta asociación entre others__ninguno=0 y estado_civil__casado/viudo=0 (proporción 0.883), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | estado_civil__divorciada/separada/casada | 0.675325 | ALTO | Alta asociación entre others__ninguno=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.675), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | estado_civil__divorciado/separado | 0.987013 | ALTO | Alta asociación entre others__ninguno=0 y estado_civil__divorciado/separado=0 (proporción 0.987), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| others__ninguno | estado_civil__soltero | 0.545455 | ALTO | Alta asociación entre others__ninguno=0 y estado_civil__soltero=1 (proporción 0.545), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | property__bienes inmuebles | 0.566108 | ALTO | Alta asociación entre property__automóvil=0 y property__bienes inmuebles=0 (proporción 0.566), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | property__seguro de vida | 0.648045 | ALTO | Alta asociación entre property__automóvil=0 y property__seguro de vida=0 (proporción 0.648), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | property__sin propiedad | 0.785847 | ALTO | Alta asociación entre property__automóvil=0 y property__sin propiedad=0 (proporción 0.786), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | otherplans__banco | 0.951583 | ALTO | Alta asociación entre property__automóvil=0 y otherplans__banco=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | otherplans__ninguno | 0.869646 | ALTO | Alta asociación entre property__automóvil=0 y otherplans__ninguno=0 (proporción 0.870), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | otherplans__tiendas | 0.821229 | ALTO | Alta asociación entre property__automóvil=0 y otherplans__tiendas=1 (proporción 0.821), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | housing__alquiler | 0.826816 | ALTO | Alta asociación entre property__automóvil=0 y housing__alquiler=0 (proporción 0.827), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | housing__gratis | 0.849162 | ALTO | Alta asociación entre property__automóvil=0 y housing__gratis=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | housing__propietario | 0.675978 | ALTO | Alta asociación entre property__automóvil=0 y housing__propietario=1 (proporción 0.676), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | job__altamente calificado/funcionario | 0.864060 | ALTO | Alta asociación entre property__automóvil=0 y job__altamente calificado/funcionario=0 (proporción 0.864), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | job__calificado | 0.597765 | ALTO | Alta asociación entre property__automóvil=0 y job__calificado=1 (proporción 0.598), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | job__desempleado/no calificado | 0.977654 | ALTO | Alta asociación entre property__automóvil=0 y job__desempleado/no calificado=0 (proporción 0.978), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | job__no calificado residente | 0.756052 | ALTO | Alta asociación entre property__automóvil=0 y job__no calificado residente=0 (proporción 0.756), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | telephone__no | 0.623836 | ALTO | Alta asociación entre property__automóvil=0 y telephone__no=1 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | telephone__sí | 0.623836 | ALTO | Alta asociación entre property__automóvil=0 y telephone__sí=0 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | estado_civil__casado/viudo | 0.905028 | ALTO | Alta asociación entre property__automóvil=0 y estado_civil__casado/viudo=0 (proporción 0.905), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | estado_civil__divorciada/separada/casada | 0.689013 | ALTO | Alta asociación entre property__automóvil=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.689), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | estado_civil__divorciado/separado | 0.951583 | ALTO | Alta asociación entre property__automóvil=0 y estado_civil__divorciado/separado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__automóvil | estado_civil__soltero | 0.545624 | ALTO | Alta asociación entre property__automóvil=0 y estado_civil__soltero=1 (proporción 0.546), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | property__seguro de vida | 0.666667 | ALTO | Alta asociación entre property__bienes inmuebles=0 y property__seguro de vida=0 (proporción 0.667), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | property__sin propiedad | 0.797178 | ALTO | Alta asociación entre property__bienes inmuebles=0 y property__sin propiedad=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | otherplans__banco | 0.948854 | ALTO | Alta asociación entre property__bienes inmuebles=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | otherplans__ninguno | 0.855379 | ALTO | Alta asociación entre property__bienes inmuebles=0 y otherplans__ninguno=0 (proporción 0.855), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | otherplans__tiendas | 0.804233 | ALTO | Alta asociación entre property__bienes inmuebles=0 y otherplans__tiendas=1 (proporción 0.804), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | housing__alquiler | 0.835979 | ALTO | Alta asociación entre property__bienes inmuebles=0 y housing__alquiler=0 (proporción 0.836), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | housing__gratis | 0.857143 | ALTO | Alta asociación entre property__bienes inmuebles=0 y housing__gratis=0 (proporción 0.857), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | housing__propietario | 0.693122 | ALTO | Alta asociación entre property__bienes inmuebles=0 y housing__propietario=1 (proporción 0.693), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | job__altamente calificado/funcionario | 0.816578 | ALTO | Alta asociación entre property__bienes inmuebles=0 y job__altamente calificado/funcionario=0 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | job__calificado | 0.652557 | ALTO | Alta asociación entre property__bienes inmuebles=0 y job__calificado=1 (proporción 0.653), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | job__desempleado/no calificado | 0.982363 | ALTO | Alta asociación entre property__bienes inmuebles=0 y job__desempleado/no calificado=0 (proporción 0.982), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | job__no calificado residente | 0.853616 | ALTO | Alta asociación entre property__bienes inmuebles=0 y job__no calificado residente=0 (proporción 0.854), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | telephone__no | 0.546737 | ALTO | Alta asociación entre property__bienes inmuebles=0 y telephone__no=1 (proporción 0.547), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | telephone__sí | 0.546737 | ALTO | Alta asociación entre property__bienes inmuebles=0 y telephone__sí=0 (proporción 0.547), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | estado_civil__casado/viudo | 0.932981 | ALTO | Alta asociación entre property__bienes inmuebles=0 y estado_civil__casado/viudo=0 (proporción 0.933), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | estado_civil__divorciada/separada/casada | 0.694885 | ALTO | Alta asociación entre property__bienes inmuebles=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.695), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | estado_civil__divorciado/separado | 0.952381 | ALTO | Alta asociación entre property__bienes inmuebles=0 y estado_civil__divorciado/separado=0 (proporción 0.952), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__bienes inmuebles | estado_civil__soltero | 0.580247 | ALTO | Alta asociación entre property__bienes inmuebles=0 y estado_civil__soltero=1 (proporción 0.580), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | property__sin propiedad | 0.811784 | ALTO | Alta asociación entre property__seguro de vida=0 y property__sin propiedad=0 (proporción 0.812), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | otherplans__banco | 0.949264 | ALTO | Alta asociación entre property__seguro de vida=0 y otherplans__banco=0 (proporción 0.949), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | otherplans__ninguno | 0.867430 | ALTO | Alta asociación entre property__seguro de vida=0 y otherplans__ninguno=0 (proporción 0.867), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | otherplans__tiendas | 0.816694 | ALTO | Alta asociación entre property__seguro de vida=0 y otherplans__tiendas=1 (proporción 0.817), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | housing__alquiler | 0.828151 | ALTO | Alta asociación entre property__seguro de vida=0 y housing__alquiler=0 (proporción 0.828), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | housing__gratis | 0.869067 | ALTO | Alta asociación entre property__seguro de vida=0 y housing__gratis=0 (proporción 0.869), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | housing__propietario | 0.697218 | ALTO | Alta asociación entre property__seguro de vida=0 y housing__propietario=1 (proporción 0.697), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | job__altamente calificado/funcionario | 0.849427 | ALTO | Alta asociación entre property__seguro de vida=0 y job__altamente calificado/funcionario=0 (proporción 0.849), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | job__calificado | 0.635025 | ALTO | Alta asociación entre property__seguro de vida=0 y job__calificado=1 (proporción 0.635), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | job__desempleado/no calificado | 0.975450 | ALTO | Alta asociación entre property__seguro de vida=0 y job__desempleado/no calificado=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | job__no calificado residente | 0.810147 | ALTO | Alta asociación entre property__seguro de vida=0 y job__no calificado residente=0 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | telephone__no | 0.597381 | ALTO | Alta asociación entre property__seguro de vida=0 y telephone__no=1 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | telephone__sí | 0.597381 | ALTO | Alta asociación entre property__seguro de vida=0 y telephone__sí=0 (proporción 0.597), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | estado_civil__casado/viudo | 0.908347 | ALTO | Alta asociación entre property__seguro de vida=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | estado_civil__divorciada/separada/casada | 0.703764 | ALTO | Alta asociación entre property__seguro de vida=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.704), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | estado_civil__divorciado/separado | 0.942717 | ALTO | Alta asociación entre property__seguro de vida=0 y estado_civil__divorciado/separado=0 (proporción 0.943), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__seguro de vida | estado_civil__soltero | 0.554828 | ALTO | Alta asociación entre property__seguro de vida=0 y estado_civil__soltero=1 (proporción 0.555), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | otherplans__banco | 0.945985 | ALTO | Alta asociación entre property__sin propiedad=0 y otherplans__banco=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | otherplans__ninguno | 0.884672 | ALTO | Alta asociación entre property__sin propiedad=0 y otherplans__ninguno=0 (proporción 0.885), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | otherplans__tiendas | 0.830657 | ALTO | Alta asociación entre property__sin propiedad=0 y otherplans__tiendas=1 (proporción 0.831), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | housing__alquiler | 0.816058 | ALTO | Alta asociación entre property__sin propiedad=0 y housing__alquiler=0 (proporción 0.816), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | housing__gratis | 0.994161 | ALTO | Alta asociación entre property__sin propiedad=0 y housing__gratis=0 (proporción 0.994), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | housing__propietario | 0.810219 | ALTO | Alta asociación entre property__sin propiedad=0 y housing__propietario=1 (proporción 0.810), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | job__altamente calificado/funcionario | 0.880292 | ALTO | Alta asociación entre property__sin propiedad=0 y job__altamente calificado/funcionario=0 (proporción 0.880), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | job__calificado | 0.645255 | ALTO | Alta asociación entre property__sin propiedad=0 y job__calificado=1 (proporción 0.645), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | job__desempleado/no calificado | 0.979562 | ALTO | Alta asociación entre property__sin propiedad=0 y job__desempleado/no calificado=0 (proporción 0.980), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | job__no calificado residente | 0.785401 | ALTO | Alta asociación entre property__sin propiedad=0 y job__no calificado residente=0 (proporción 0.785), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | telephone__no | 0.623358 | ALTO | Alta asociación entre property__sin propiedad=0 y telephone__no=1 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | telephone__sí | 0.623358 | ALTO | Alta asociación entre property__sin propiedad=0 y telephone__sí=0 (proporción 0.623), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | estado_civil__casado/viudo | 0.896350 | ALTO | Alta asociación entre property__sin propiedad=0 y estado_civil__casado/viudo=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | estado_civil__divorciada/separada/casada | 0.665693 | ALTO | Alta asociación entre property__sin propiedad=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.666), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | estado_civil__divorciado/separado | 0.944526 | ALTO | Alta asociación entre property__sin propiedad=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| property__sin propiedad | estado_civil__soltero | 0.506569 | ALTO | Alta asociación entre property__sin propiedad=0 y estado_civil__soltero=1 (proporción 0.507), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | otherplans__ninguno | 0.862978 | ALTO | Alta asociación entre otherplans__banco=0 y otherplans__ninguno=0 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | otherplans__tiendas | 0.862978 | ALTO | Alta asociación entre otherplans__banco=0 y otherplans__tiendas=1 (proporción 0.863), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | housing__alquiler | 0.818182 | ALTO | Alta asociación entre otherplans__banco=0 y housing__alquiler=0 (proporción 0.818), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | housing__gratis | 0.895916 | ALTO | Alta asociación entre otherplans__banco=0 y housing__gratis=0 (proporción 0.896), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | housing__propietario | 0.714097 | ALTO | Alta asociación entre otherplans__banco=0 y housing__propietario=1 (proporción 0.714), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | job__altamente calificado/funcionario | 0.857708 | ALTO | Alta asociación entre otherplans__banco=0 y job__altamente calificado/funcionario=0 (proporción 0.858), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | job__calificado | 0.641634 | ALTO | Alta asociación entre otherplans__banco=0 y job__calificado=1 (proporción 0.642), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | job__desempleado/no calificado | 0.977602 | ALTO | Alta asociación entre otherplans__banco=0 y job__desempleado/no calificado=0 (proporción 0.978), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | job__no calificado residente | 0.806324 | ALTO | Alta asociación entre otherplans__banco=0 y job__no calificado residente=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | telephone__no | 0.600791 | ALTO | Alta asociación entre otherplans__banco=0 y telephone__no=1 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | telephone__sí | 0.600791 | ALTO | Alta asociación entre otherplans__banco=0 y telephone__sí=0 (proporción 0.601), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | estado_civil__casado/viudo | 0.909091 | ALTO | Alta asociación entre otherplans__banco=0 y estado_civil__casado/viudo=0 (proporción 0.909), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | estado_civil__divorciada/separada/casada | 0.682477 | ALTO | Alta asociación entre otherplans__banco=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.682), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | estado_civil__divorciado/separado | 0.945982 | ALTO | Alta asociación entre otherplans__banco=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__banco | estado_civil__soltero | 0.537549 | ALTO | Alta asociación entre otherplans__banco=0 y estado_civil__soltero=1 (proporción 0.538), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | otherplans__tiendas | 0.941092 | ALTO | Alta asociación entre otherplans__ninguno=0 y otherplans__tiendas=1 (proporción 0.941), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | housing__alquiler | 0.824713 | ALTO | Alta asociación entre otherplans__ninguno=0 y housing__alquiler=0 (proporción 0.825), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | housing__gratis | 0.903736 | ALTO | Alta asociación entre otherplans__ninguno=0 y housing__gratis=0 (proporción 0.904), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | housing__propietario | 0.728448 | ALTO | Alta asociación entre otherplans__ninguno=0 y housing__propietario=1 (proporción 0.728), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | job__altamente calificado/funcionario | 0.862069 | ALTO | Alta asociación entre otherplans__ninguno=0 y job__altamente calificado/funcionario=0 (proporción 0.862), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | job__calificado | 0.645115 | ALTO | Alta asociación entre otherplans__ninguno=0 y job__calificado=1 (proporción 0.645), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | job__desempleado/no calificado | 0.977011 | ALTO | Alta asociación entre otherplans__ninguno=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | job__no calificado residente | 0.806034 | ALTO | Alta asociación entre otherplans__ninguno=0 y job__no calificado residente=0 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | telephone__no | 0.602011 | ALTO | Alta asociación entre otherplans__ninguno=0 y telephone__no=1 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | telephone__sí | 0.602011 | ALTO | Alta asociación entre otherplans__ninguno=0 y telephone__sí=0 (proporción 0.602), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | estado_civil__casado/viudo | 0.908046 | ALTO | Alta asociación entre otherplans__ninguno=0 y estado_civil__casado/viudo=0 (proporción 0.908), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | estado_civil__divorciada/separada/casada | 0.683908 | ALTO | Alta asociación entre otherplans__ninguno=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.684), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | estado_civil__divorciado/separado | 0.945402 | ALTO | Alta asociación entre otherplans__ninguno=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__ninguno | estado_civil__soltero | 0.537356 | ALTO | Alta asociación entre otherplans__ninguno=0 y estado_civil__soltero=1 (proporción 0.537), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | housing__alquiler | 0.875862 | ALTO | Alta asociación entre otherplans__tiendas=0 y housing__alquiler=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | housing__gratis | 0.875862 | ALTO | Alta asociación entre otherplans__tiendas=0 y housing__gratis=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | housing__propietario | 0.751724 | ALTO | Alta asociación entre otherplans__tiendas=0 y housing__propietario=1 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | job__altamente calificado/funcionario | 0.793103 | ALTO | Alta asociación entre otherplans__tiendas=0 y job__altamente calificado/funcionario=0 (proporción 0.793), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | job__calificado | 0.537931 | ALTO | Alta asociación entre otherplans__tiendas=0 y job__calificado=1 (proporción 0.538), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | job__desempleado/no calificado | 0.993103 | ALTO | Alta asociación entre otherplans__tiendas=0 y job__desempleado/no calificado=0 (proporción 0.993), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | job__no calificado residente | 0.751724 | ALTO | Alta asociación entre otherplans__tiendas=0 y job__no calificado residente=0 (proporción 0.752), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | telephone__no | 0.572414 | ALTO | Alta asociación entre otherplans__tiendas=0 y telephone__no=1 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | telephone__sí | 0.572414 | ALTO | Alta asociación entre otherplans__tiendas=0 y telephone__sí=0 (proporción 0.572), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | estado_civil__casado/viudo | 0.924138 | ALTO | Alta asociación entre otherplans__tiendas=0 y estado_civil__casado/viudo=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | estado_civil__divorciada/separada/casada | 0.731034 | ALTO | Alta asociación entre otherplans__tiendas=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.731), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | estado_civil__divorciado/separado | 0.965517 | ALTO | Alta asociación entre otherplans__tiendas=0 y estado_civil__divorciado/separado=0 (proporción 0.966), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| otherplans__tiendas | estado_civil__soltero | 0.620690 | ALTO | Alta asociación entre otherplans__tiendas=0 y estado_civil__soltero=1 (proporción 0.621), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | housing__gratis | 0.875946 | ALTO | Alta asociación entre housing__alquiler=0 y housing__gratis=0 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | housing__propietario | 0.875946 | ALTO | Alta asociación entre housing__alquiler=0 y housing__propietario=1 (proporción 0.876), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | job__altamente calificado/funcionario | 0.850227 | ALTO | Alta asociación entre housing__alquiler=0 y job__altamente calificado/funcionario=0 (proporción 0.850), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | job__calificado | 0.629349 | ALTO | Alta asociación entre housing__alquiler=0 y job__calificado=1 (proporción 0.629), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | job__desempleado/no calificado | 0.977307 | ALTO | Alta asociación entre housing__alquiler=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | job__no calificado residente | 0.801815 | ALTO | Alta asociación entre housing__alquiler=0 y job__no calificado residente=0 (proporción 0.802), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | telephone__no | 0.594554 | ALTO | Alta asociación entre housing__alquiler=0 y telephone__no=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | telephone__sí | 0.594554 | ALTO | Alta asociación entre housing__alquiler=0 y telephone__sí=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | estado_civil__casado/viudo | 0.919818 | ALTO | Alta asociación entre housing__alquiler=0 y estado_civil__casado/viudo=0 (proporción 0.920), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | estado_civil__divorciada/separada/casada | 0.730711 | ALTO | Alta asociación entre housing__alquiler=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.731), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | estado_civil__divorciado/separado | 0.944024 | ALTO | Alta asociación entre housing__alquiler=0 y estado_civil__divorciado/separado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__alquiler | estado_civil__soltero | 0.594554 | ALTO | Alta asociación entre housing__alquiler=0 y estado_civil__soltero=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | housing__propietario | 0.806407 | ALTO | Alta asociación entre housing__gratis=0 y housing__propietario=1 (proporción 0.806), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | job__altamente calificado/funcionario | 0.871866 | ALTO | Alta asociación entre housing__gratis=0 y job__altamente calificado/funcionario=0 (proporción 0.872), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | job__calificado | 0.640669 | ALTO | Alta asociación entre housing__gratis=0 y job__calificado=1 (proporción 0.641), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | job__desempleado/no calificado | 0.980501 | ALTO | Alta asociación entre housing__gratis=0 y job__desempleado/no calificado=0 (proporción 0.981), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | job__no calificado residente | 0.788301 | ALTO | Alta asociación entre housing__gratis=0 y job__no calificado residente=0 (proporción 0.788), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | telephone__no | 0.614206 | ALTO | Alta asociación entre housing__gratis=0 y telephone__no=1 (proporción 0.614), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | telephone__sí | 0.614206 | ALTO | Alta asociación entre housing__gratis=0 y telephone__sí=0 (proporción 0.614), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | estado_civil__casado/viudo | 0.899721 | ALTO | Alta asociación entre housing__gratis=0 y estado_civil__casado/viudo=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | estado_civil__divorciada/separada/casada | 0.668524 | ALTO | Alta asociación entre housing__gratis=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.669), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | estado_civil__divorciado/separado | 0.944290 | ALTO | Alta asociación entre housing__gratis=0 y estado_civil__divorciado/separado=0 (proporción 0.944), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__gratis | estado_civil__soltero | 0.512535 | ALTO | Alta asociación entre housing__gratis=0 y estado_civil__soltero=1 (proporción 0.513), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | job__altamente calificado/funcionario | 0.805430 | ALTO | Alta asociación entre housing__propietario=0 y job__altamente calificado/funcionario=0 (proporción 0.805), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | job__calificado | 0.624434 | ALTO | Alta asociación entre housing__propietario=0 y job__calificado=1 (proporción 0.624), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | job__desempleado/no calificado | 0.977376 | ALTO | Alta asociación entre housing__propietario=0 y job__desempleado/no calificado=0 (proporción 0.977), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | job__no calificado residente | 0.841629 | ALTO | Alta asociación entre housing__propietario=0 y job__no calificado residente=0 (proporción 0.842), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | telephone__no | 0.561086 | ALTO | Alta asociación entre housing__propietario=0 y telephone__no=1 (proporción 0.561), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | telephone__sí | 0.561086 | ALTO | Alta asociación entre housing__propietario=0 y telephone__sí=0 (proporción 0.561), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | estado_civil__casado/viudo | 0.914027 | ALTO | Alta asociación entre housing__propietario=0 y estado_civil__casado/viudo=0 (proporción 0.914), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | estado_civil__divorciada/separada/casada | 0.619910 | ALTO | Alta asociación entre housing__propietario=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.620), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | estado_civil__divorciado/separado | 0.968326 | ALTO | Alta asociación entre housing__propietario=0 y estado_civil__divorciado/separado=0 (proporción 0.968), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| housing__propietario | estado_civil__soltero | 0.502262 | ALTO | Alta asociación entre housing__propietario=0 y estado_civil__soltero=1 (proporción 0.502), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | job__calificado | 0.742313 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y job__calificado=1 (proporción 0.742), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | job__desempleado/no calificado | 0.975110 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y job__desempleado/no calificado=0 (proporción 0.975), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | job__no calificado residente | 0.767204 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y job__no calificado residente=0 (proporción 0.767), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | telephone__no | 0.677892 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y telephone__no=1 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | telephone__sí | 0.677892 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y telephone__sí=0 (proporción 0.678), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | estado_civil__casado/viudo | 0.900439 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__casado/viudo=0 (proporción 0.900), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | estado_civil__divorciada/separada/casada | 0.670571 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.671), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | estado_civil__divorciado/separado | 0.953148 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__divorciado/separado=0 (proporción 0.953), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__altamente calificado/funcionario | estado_civil__soltero | 0.524158 | ALTO | Alta asociación entre job__altamente calificado/funcionario=0 y estado_civil__soltero=1 (proporción 0.524), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | job__desempleado/no calificado | 0.941980 | ALTO | Alta asociación entre job__calificado=0 y job__desempleado/no calificado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | job__no calificado residente | 0.542662 | ALTO | Alta asociación entre job__calificado=0 y job__no calificado residente=1 (proporción 0.543), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | telephone__no | 0.563140 | ALTO | Alta asociación entre job__calificado=0 y telephone__no=1 (proporción 0.563), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | telephone__sí | 0.563140 | ALTO | Alta asociación entre job__calificado=0 y telephone__sí=0 (proporción 0.563), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | estado_civil__casado/viudo | 0.918089 | ALTO | Alta asociación entre job__calificado=0 y estado_civil__casado/viudo=0 (proporción 0.918), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | estado_civil__divorciada/separada/casada | 0.713311 | ALTO | Alta asociación entre job__calificado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.713), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | estado_civil__divorciado/separado | 0.941980 | ALTO | Alta asociación entre job__calificado=0 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__calificado | estado_civil__soltero | 0.573379 | ALTO | Alta asociación entre job__calificado=0 y estado_civil__soltero=1 (proporción 0.573), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | job__no calificado residente | 0.796935 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y job__no calificado residente=0 (proporción 0.797), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | telephone__no | 0.595147 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y telephone__no=1 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | telephone__sí | 0.595147 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y telephone__sí=0 (proporción 0.595), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | estado_civil__casado/viudo | 0.910600 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y estado_civil__casado/viudo=0 (proporción 0.911), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | estado_civil__divorciada/separada/casada | 0.690932 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.691), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | estado_civil__divorciado/separado | 0.946360 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y estado_civil__divorciado/separado=0 (proporción 0.946), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__desempleado/no calificado | estado_civil__soltero | 0.547893 | ALTO | Alta asociación entre job__desempleado/no calificado=0 y estado_civil__soltero=1 (proporción 0.548), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__no calificado residente | telephone__no | 0.535101 | ALTO | Alta asociación entre job__no calificado residente=0 y telephone__no=1 (proporción 0.535), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__no calificado residente | telephone__sí | 0.535101 | ALTO | Alta asociación entre job__no calificado residente=0 y telephone__sí=0 (proporción 0.535), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__no calificado residente | estado_civil__casado/viudo | 0.915757 | ALTO | Alta asociación entre job__no calificado residente=0 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__no calificado residente | estado_civil__divorciada/separada/casada | 0.689548 | ALTO | Alta asociación entre job__no calificado residente=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.690), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__no calificado residente | estado_civil__divorciado/separado | 0.945398 | ALTO | Alta asociación entre job__no calificado residente=0 y estado_civil__divorciado/separado=0 (proporción 0.945), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| job__no calificado residente | estado_civil__soltero | 0.550702 | ALTO | Alta asociación entre job__no calificado residente=0 y estado_civil__soltero=1 (proporción 0.551), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__no | telephone__sí | 1.000000 | ALTO | Alta asociación entre telephone__no=0 y telephone__sí=1 (proporción 1.000), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__no | estado_civil__casado/viudo | 0.915888 | ALTO | Alta asociación entre telephone__no=0 y estado_civil__casado/viudo=0 (proporción 0.916), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__no | estado_civil__divorciada/separada/casada | 0.735202 | ALTO | Alta asociación entre telephone__no=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.735), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__no | estado_civil__divorciado/separado | 0.934579 | ALTO | Alta asociación entre telephone__no=0 y estado_civil__divorciado/separado=0 (proporción 0.935), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__no | estado_civil__soltero | 0.585670 | ALTO | Alta asociación entre telephone__no=0 y estado_civil__soltero=1 (proporción 0.586), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__sí | estado_civil__casado/viudo | 0.906054 | ALTO | Alta asociación entre telephone__sí=0 y estado_civil__casado/viudo=0 (proporción 0.906), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__sí | estado_civil__divorciada/separada/casada | 0.655532 | ALTO | Alta asociación entre telephone__sí=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.656), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__sí | estado_civil__divorciado/separado | 0.956159 | ALTO | Alta asociación entre telephone__sí=0 y estado_civil__divorciado/separado=0 (proporción 0.956), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| telephone__sí | estado_civil__soltero | 0.517745 | ALTO | Alta asociación entre telephone__sí=0 y estado_civil__soltero=1 (proporción 0.518), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__casado/viudo | estado_civil__divorciada/separada/casada | 0.656593 | ALTO | Alta asociación entre estado_civil__casado/viudo=0 y estado_civil__divorciada/separada/casada=0 (proporción 0.657), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__casado/viudo | estado_civil__divorciado/separado | 0.942308 | ALTO | Alta asociación entre estado_civil__casado/viudo=0 y estado_civil__divorciado/separado=0 (proporción 0.942), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__casado/viudo | estado_civil__soltero | 0.598901 | ALTO | Alta asociación entre estado_civil__casado/viudo=0 y estado_civil__soltero=1 (proporción 0.599), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__divorciada/separada/casada | estado_civil__divorciado/separado | 0.923636 | ALTO | Alta asociación entre estado_civil__divorciada/separada/casada=0 y estado_civil__divorciado/separado=0 (proporción 0.924), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__divorciada/separada/casada | estado_civil__soltero | 0.792727 | ALTO | Alta asociación entre estado_civil__divorciada/separada/casada=0 y estado_civil__soltero=1 (proporción 0.793), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| estado_civil__divorciado/separado | estado_civil__soltero | 0.575198 | ALTO | Alta asociación entre estado_civil__divorciado/separado=0 y estado_civil__soltero=1 (proporción 0.575), indicando posible sobreajuste o dependencia fuerte que podría afectar la generalización del modelo. |
| sexo | class | 0.644000 | ALTO | Alta asociación entre sexo=0 y class=1 (proporción 0.644), involucrando atributo sensible 'sexo', lo cual podría indicar posible sesgo de discriminación. |
En esta sección se determina que atributos deben ser intervenidos y como se debería realizar dicha intervención
| Attribute | Data Type | Missing Values% | Unique Values% | Minimum Value | Maximum Value | DQ Issue |
|---|---|---|---|---|---|---|
| age | int64 | 0.0 | 6 | 20.0 | 75.0 | Column has 31 outliers greater than upper bound (62.00) or lower than lower bound(6.00). Cap them or remove them. |
| duration | category | 0.0 | 0 | NaN | NaN | No issue |
| amount | category | 0.0 | 0 | NaN | NaN | No issue |
| installment | category | 0.0 | 0 | NaN | NaN | No issue |
| residence | category | 0.0 | 0 | NaN | NaN | No issue |
| cards | category | 0.0 | 0 | NaN | NaN | 1 rare categories: [4]. Group them into a single category or drop the categories. |
| liable | category | 0.0 | 0 | NaN | NaN | No issue |
| foreign | category | 0.0 | 0 | NaN | NaN | No issue |
| sexo | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__saldo positivo hasta 200 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__saldo positivo superior a 200 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__sin cuenta corriente | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__sin saldo | category | 0.0 | 0 | NaN | NaN | No issue |
| history__créditos existentes pagados puntualmente hasta ahora | category | 0.0 | 0 | NaN | NaN | No issue |
| history__cuenta crítica/otros créditos existentes (no en este banco) | category | 0.0 | 0 | NaN | NaN | No issue |
| history__no créditos tomados | category | 0.0 | 0 | NaN | NaN | No issue |
| history__retraso en el pago en el pasado | category | 0.0 | 0 | NaN | NaN | No issue |
| history__todos los créditos en este banco devueltos a tiempo | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__coche nuevo | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__coche usado | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__educación | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__electrodomésticos | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__muebles/equipo | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__negocios | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__otros | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__radio/TV | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__reparaciones | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__retraining | category | 0.0 | 0 | NaN | NaN | 1 rare categories: [1]. Group them into a single category or drop the categories. |
| savings__saldo positivo de 100 a 500 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__saldo positivo de 500 a 1000 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__saldo positivo hasta 100 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__saldo positivo superior a 1000 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__sin cuenta de ahorros | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__desempleado | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado de 1 a 4 años | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado de 4 a 7 años | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado menos de 1 año | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado más de 7 años | category | 0.0 | 0 | NaN | NaN | No issue |
| others__co-deudor | category | 0.0 | 0 | NaN | NaN | No issue |
| others__garante | category | 0.0 | 0 | NaN | NaN | No issue |
| others__ninguno | category | 0.0 | 0 | NaN | NaN | No issue |
| property__automóvil | category | 0.0 | 0 | NaN | NaN | No issue |
| property__bienes inmuebles | category | 0.0 | 0 | NaN | NaN | No issue |
| property__seguro de vida | category | 0.0 | 0 | NaN | NaN | No issue |
| property__sin propiedad | category | 0.0 | 0 | NaN | NaN | No issue |
| otherplans__banco | category | 0.0 | 0 | NaN | NaN | No issue |
| otherplans__ninguno | category | 0.0 | 0 | NaN | NaN | No issue |
| otherplans__tiendas | category | 0.0 | 0 | NaN | NaN | No issue |
| housing__alquiler | category | 0.0 | 0 | NaN | NaN | No issue |
| housing__gratis | category | 0.0 | 0 | NaN | NaN | No issue |
| class | category | 0.0 | 0 | NaN | NaN | Target column |
En esta etapa los datos deben ser intervenidos con el fin de que tengan las representaciones adecuadas tanto del caso de uso que se está solucionando
| Metrica | Columna_1 | Columna_2 | Valor | Ranking |
|---|---|---|---|---|
| Chi-cuadrado | telephone__no | telephone__sí | 795.843056 | True |
| Chi-cuadrado | sexo | estado_civil__divorciada/separada/casada | 795.352225 | True |
| Chi-cuadrado | otherplans__ninguno | otherplans__tiendas | 533.669035 | True |
| Chi-cuadrado | property__sin propiedad | housing__gratis | 476.693503 | True |
| Chi-cuadrado | housing__alquiler | housing__propietario | 436.377013 | True |
| Chi-cuadrado | estado_civil__divorciada/separada/casada | estado_civil__soltero | 432.373498 | True |
| Chi-cuadrado | sexo | estado_civil__soltero | 432.373498 | True |
| Chi-cuadrado | history__créditos existentes pagados puntualmente hasta ahora | history__cuenta crítica/otros créditos existentes (no en este banco) | 399.524545 | True |
| Chi-cuadrado | others__garante | others__ninguno | 394.892768 | True |
| Chi-cuadrado | others__co-deudor | others__ninguno | 343.158322 | True |
| ANOVA F-test | employ__empleado más de 7 años | age | 4.603861 | True |
| ANOVA F-test | residence | age | 3.506283 | True |
| ANOVA F-test | housing__gratis | age | 3.051811 | True |
| ANOVA F-test | employ__desempleado | age | 2.828848 | True |
| ANOVA F-test | liable | age | 2.819207 | True |
| ANOVA F-test | estado_civil__soltero | age | 2.711606 | True |
| ANOVA F-test | housing__alquiler | age | 2.580137 | True |
| ANOVA F-test | job__desempleado/no calificado | age | 2.546954 | True |
| ANOVA F-test | history__cuenta crítica/otros créditos existentes (no en este banco) | age | 2.391072 | True |
| ANOVA F-test | sexo | age | 2.335601 | True |
| Mutual Information | telephone__sí | telephone__no | 0.673515 | True |
| Mutual Information | telephone__no | telephone__sí | 0.673515 | True |
| Mutual Information | sexo | estado_civil__divorciada/separada/casada | 0.621086 | True |
| Mutual Information | estado_civil__divorciada/separada/casada | sexo | 0.621086 | True |
| Mutual Information | sexo | estado_civil__soltero | 0.338246 | True |
| Mutual Information | estado_civil__soltero | sexo | 0.338246 | True |
| Mutual Information | estado_civil__divorciada/separada/casada | estado_civil__soltero | 0.338246 | True |
| Mutual Information | estado_civil__soltero | estado_civil__divorciada/separada/casada | 0.338246 | True |
| Mutual Information | history__cuenta crítica/otros créditos existentes (no en este banco) | history__créditos existentes pagados puntualmente hasta ahora | 0.315373 | True |
| Mutual Information | history__créditos existentes pagados puntualmente hasta ahora | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.315373 | True |
Este informe presenta el análisis de equidad realizado sobre el dataset y los modelos evaluados.
| Group | Non-Privileged Label Distribution | Jensen-Shannon Divergence | Kullback-Leibler Divergence | Demographic Parity | Theil Index (Overall) | Theil Index (Within-group) | Theil Index (Between-group) |
|---|---|---|---|---|---|---|---|
| Non-Privileged Group (sexo != 1) | {1: 0.644, 0: 0.356} | 0.010628 | 0.042065 | 0.081455 | 0.0 | 0.0 | 0.0 |
En esta fase se prueban las técnicas y algoritmos de ML más adecuados para abordar el problema en cuestión
La clasificación se trata de predecir etiquetas de clase dados los datos de entrada. En clasificación binaria, hay dos clases de salida posibles; por lo tanto se establece cual valor corresponde a la clase positiva y cual a la negativa, adicionalmente la métrica de rendimiento que se utilizará para definir el mejor de los modelos
| Metrica | Descripcion | Tipo |
|---|---|---|
| average_odds_difference | Promedio de la diferencia en las tasas de falsos positivos y verdaderos positivos entre grupos. | Equidad |
| equal_opportunity_difference | Diferencia en la tasa de verdaderos positivos (recall) entre grupos. | Equidad |
| statistical_parity_difference | Diferencia entre las tasas de resultados positivos entre grupos; indica disparidad de selección. | Equidad |
| disparate_impact | Razón entre la tasa de selección de un grupo y la de otro; detecta discriminación si es muy diferente de 1. | Equidad |
| accuracy | Proporción de predicciones correctas respecto al total de muestras; mide el rendimiento general de un modelo. | Rendimiento |
| f1_score | Media armónica entre precisión y recall; equilibra la importancia de falsos positivos y falsos negativos. | Rendimiento |
Cual es el comportamiento de los modelos generados para cada una de las técnicas seleccionadas y de las métricas de rendimiento definidas
| Clasificador | Configuración | Resultado |
|---|---|---|
| LinearSVC | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no | {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0} |
| RidgeClassifierCV | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no | {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0} |
| LogisticRegressionCV | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no | {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0} |
| LinearDiscriminantAnalysis | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no | {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0} |
| MLPClassifier | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no | {'accuracy': 0.7, 'f1_score': 0.8235294117647058, 'average_odds_difference': 0.0, 'disparate_impact': 1.0, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0} |
| ExtraTreesClassifier | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nPCA aplicado. Parámetros PCA: age, duration, history__créditos existentes pagados puntualmente hasta ahora, estado_civil__divorciada/separada/casada, telephone__no | {'accuracy': 0.575, 'f1_score': 0.6863468634686347, 'average_odds_difference': -0.0474999999999999, 'disparate_impact': 0.8506944444444445, 'equal_opportunity_difference': -0.1949999999999999, 'statistical_parity_difference': -0.1023809523809523} |
| MLPClassifier | División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS | {'accuracy': 0.635, 'f1_score': 0.7137254901960784, 'average_odds_difference': 0.075, 'disparate_impact': 1.0632911392405062, 'equal_opportunity_difference': 0.0, 'statistical_parity_difference': 0.0357142857142857} |
| LinearDiscriminantAnalysis | División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS | {'accuracy': 0.65, 'f1_score': 0.7154471544715447, 'average_odds_difference': 0.0749999999999999, 'disparate_impact': 1.009009009009009, 'equal_opportunity_difference': -0.075, 'statistical_parity_difference': 0.0047619047619047} |
| LinearSVC | División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS | {'accuracy': 0.655, 'f1_score': 0.7228915662650602, 'average_odds_difference': 0.0699999999999999, 'disparate_impact': 1.0131578947368425, 'equal_opportunity_difference': -0.06, 'statistical_parity_difference': 0.0071428571428572} |
| ExtraTreesClassifier | División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS | {'accuracy': 0.73, 'f1_score': 0.8163265306122449, 'average_odds_difference': 0.0225, 'disparate_impact': 0.963302752293578, 'equal_opportunity_difference': -0.0799999999999999, 'statistical_parity_difference': -0.0285714285714285} |
| LogisticRegressionCV | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nHiperparámetros ajustados: None | {'accuracy': 0.7, 'f1_score': 0.7931034482758621, 'average_odds_difference': -0.0199999999999999, 'disparate_impact': 0.9376947040498445, 'equal_opportunity_difference': -0.0649999999999999, 'statistical_parity_difference': -0.0476190476190475} |
| MLPClassifier | División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE | {'accuracy': 0.715, 'f1_score': 0.7985865724381626, 'average_odds_difference': 0.0174999999999999, 'disparate_impact': 0.9379084967320264, 'equal_opportunity_difference': -0.1149999999999999, 'statistical_parity_difference': -0.0452380952380951} |
| RidgeClassifierCV | División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS | {'accuracy': 0.655, 'f1_score': 0.7160493827160493, 'average_odds_difference': 0.05, 'disparate_impact': 0.958904109589041, 'equal_opportunity_difference': -0.0999999999999999, 'statistical_parity_difference': -0.0214285714285714} |
| MLPClassifier | División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. | {'accuracy': 0.685, 'f1_score': 0.7758007117437722, 'average_odds_difference': -0.0425, 'disparate_impact': 0.8921568627450981, 'equal_opportunity_difference': -0.1100000000000001, 'statistical_parity_difference': -0.0785714285714285} |
| MLPClassifier | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nHiperparámetros ajustados: None | {'accuracy': 0.7, 'f1_score': 0.7872340425531915, 'average_odds_difference': -0.0425, 'disparate_impact': 0.915032679738562, 'equal_opportunity_difference': -0.06, 'statistical_parity_difference': -0.0619047619047619} |
| LogisticRegressionCV | División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. | {'accuracy': 0.705, 'f1_score': 0.7929824561403509, 'average_odds_difference': -0.0449999999999999, 'disparate_impact': 0.8888888888888888, 'equal_opportunity_difference': -0.1149999999999999, 'statistical_parity_difference': -0.0833333333333333} |
| LinearSVC | División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. | {'accuracy': 0.7, 'f1_score': 0.7887323943661971, 'average_odds_difference': -0.0574999999999999, 'disparate_impact': 0.8666666666666667, 'equal_opportunity_difference': -0.14, 'statistical_parity_difference': -0.0999999999999999} |
| LogisticRegressionCV | División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE | {'accuracy': 0.7, 'f1_score': 0.7887323943661971, 'average_odds_difference': -0.0574999999999999, 'disparate_impact': 0.8666666666666667, 'equal_opportunity_difference': -0.14, 'statistical_parity_difference': -0.0999999999999999} |
| RidgeClassifierCV | División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. | {'accuracy': 0.7, 'f1_score': 0.7916666666666666, 'average_odds_difference': -0.0749999999999999, 'disparate_impact': 0.8641975308641975, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.1047619047619048} |
| LinearDiscriminantAnalysis | División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE | {'accuracy': 0.7, 'f1_score': 0.7916666666666666, 'average_odds_difference': -0.0749999999999999, 'disparate_impact': 0.8641975308641975, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.1047619047619048} |
| LinearDiscriminantAnalysis | División de datos:\nNo aplica (Fase o Intervención diferente de BASE_LINE).\n\nIntervención:\nHiperparámetros ajustados: None | {'accuracy': 0.705, 'f1_score': 0.794425087108014, 'average_odds_difference': -0.0625, 'disparate_impact': 0.8722741433021807, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.0976190476190476} |
| LinearDiscriminantAnalysis | División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. | {'accuracy': 0.705, 'f1_score': 0.794425087108014, 'average_odds_difference': -0.0625, 'disparate_impact': 0.8722741433021807, 'equal_opportunity_difference': -0.125, 'statistical_parity_difference': -0.0976190476190476} |
| LinearSVC | División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE | {'accuracy': 0.7, 'f1_score': 0.7872340425531915, 'average_odds_difference': -0.0574999999999999, 'disparate_impact': 0.8525641025641025, 'equal_opportunity_difference': -0.1649999999999999, 'statistical_parity_difference': -0.1095238095238095} |
| RidgeClassifierCV | División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE | {'accuracy': 0.7, 'f1_score': 0.7902097902097902, 'average_odds_difference': -0.075, 'disparate_impact': 0.8504672897196263, 'equal_opportunity_difference': -0.15, 'statistical_parity_difference': -0.1142857142857142} |
| ExtraTreesClassifier | División de datos:\nDistribución de datos:\n- Entrenamiento: 800 muestras\n- Prueba: 200 muestras\nProporciones de atributos sensibles en entrenamiento: sexo, y=0: S=0: 0.371, S=1: 0.629\nProporciones de atributos sensibles en prueba: sexo, y=0: S=0: 0.333, S=1: 0.667\n\nIntervención:\nSin intervención, con los hiperparámetros por defecto. | {'accuracy': 0.745, 'f1_score': 0.8222996515679443, 'average_odds_difference': 0.0, 'disparate_impact': 0.9647435897435898, 'equal_opportunity_difference': -0.025, 'statistical_parity_difference': -0.0261904761904762} |
| MLPClassifier | División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS | {'accuracy': 0.69, 'f1_score': 0.7615384615384615, 'average_odds_difference': -0.0199999999999999, 'disparate_impact': 0.8850574712643678, 'equal_opportunity_difference': -0.1149999999999999, 'statistical_parity_difference': -0.0714285714285714} |
| ExtraTreesClassifier | División de datos:\nDistribución de datos (intervención SMOTE):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.468, S=1: 0.532\n\nIntervención:\nIntervención no contemplada: SMOTE | {'accuracy': 0.72, 'f1_score': 0.8, 'average_odds_difference': -0.0624999999999999, 'disparate_impact': 0.8381877022653722, 'equal_opportunity_difference': -0.1749999999999999, 'statistical_parity_difference': -0.119047619047619} |
| LogisticRegressionCV | División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS | {'accuracy': 0.68, 'f1_score': 0.7333333333333333, 'average_odds_difference': -2.775557561562892e-17, 'disparate_impact': 0.9074074074074076, 'equal_opportunity_difference': -0.075, 'statistical_parity_difference': -0.0476190476190475} |
| LogisticRegressionCV | División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS | {'accuracy': 0.69, 'f1_score': 0.753968253968254, 'average_odds_difference': -0.0425, 'disparate_impact': 0.8536585365853658, 'equal_opportunity_difference': -0.1099999999999999, 'statistical_parity_difference': -0.0857142857142857} |
| LinearDiscriminantAnalysis | División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS | {'accuracy': 0.685, 'f1_score': 0.749003984063745, 'average_odds_difference': -0.0749999999999999, 'disparate_impact': 0.8252032520325203, 'equal_opportunity_difference': -0.0999999999999999, 'statistical_parity_difference': -0.1023809523809524} |
| LinearSVC | División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS | {'accuracy': 0.685, 'f1_score': 0.7529411764705882, 'average_odds_difference': -0.1074999999999999, 'disparate_impact': 0.7509578544061303, 'equal_opportunity_difference': -0.1899999999999999, 'statistical_parity_difference': -0.1547619047619047} |
| RidgeClassifierCV | División de datos:\nDistribución de datos (intervención ROS):\n- Datos balanceados: 1120 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.368, S=1: 0.632\n\nIntervención:\nIntervención no contemplada: ROS | {'accuracy': 0.705, 'f1_score': 0.7649402390438247, 'average_odds_difference': -0.0975, 'disparate_impact': 0.7871485943775101, 'equal_opportunity_difference': -0.12, 'statistical_parity_difference': -0.1261904761904762} |
| ExtraTreesClassifier | División de datos:\nDistribución de datos (intervención RUS):\n- Datos balanceados: 480 muestras\nProporciones de atributos sensibles en datos balanceados: sexo, y=0: S=0: 0.371, S=1: 0.629\n\nIntervención:\nIntervención no contemplada: RUS | {'accuracy': 0.655, 'f1_score': 0.7063829787234043, 'average_odds_difference': -0.175, 'disparate_impact': 0.6222222222222222, 'equal_opportunity_difference': -0.2, 'statistical_parity_difference': -0.2023809523809523} |
Una vez establecido el modelo que se utilizará se procede nuevamente a realizar la evaluación de las métricas definidas, para revisar varios aspectos para comprender la calidad y el rendimiento del modelo
Algunas de las métricas utilizadas para detectar la justicia en las decisiones que se toman, se soportan en el análisis de la matriz de confusión...
Integrar métodos de identificación y mitigación de sesgos en modelos de ML requiere una comprensión de los objetivos por el cual se requiere automatizar la toma de decisiones...
Consiste en ajustar los datos antes de iniciar el proceso de entrenamiento...
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.755 | 0.835017 | -2.250000e-02 | -0.120 | -0.073810 | 0.908555 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.745 | 0.818505 | -7.250000e-02 | -0.170 | -0.126190 | 0.830128 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.740 | 0.820690 | 2.750000e-02 | -0.070 | -0.023810 | 0.968553 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.740 | 0.820690 | 4.750000e-02 | -0.105 | -0.023810 | 0.968553 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FOS | 0.740 | 0.818182 | 2.500000e-02 | -0.050 | -0.019048 | 0.974110 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.735 | 0.815331 | -5.000000e-03 | -0.085 | -0.050000 | 0.933333 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.730 | 0.815068 | -1.425000e-01 | -0.210 | -0.180952 | 0.777778 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.725 | 0.807018 | -1.250000e-02 | -0.100 | -0.059524 | 0.919872 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.720 | 0.810811 | -3.750000e-02 | -0.150 | -0.090476 | 0.887906 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.720 | 0.801418 | 7.500000e-03 | -0.010 | -0.014286 | 0.980000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.720 | 0.800000 | 8.250000e-02 | -0.035 | 0.023810 | 1.034364 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.715 | 0.806780 | -1.075000e-01 | -0.140 | -0.130952 | 0.839181 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.715 | 0.806780 | 4.000000e-02 | -0.070 | -0.011905 | 0.984709 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.715 | 0.801394 | 3.500000e-02 | -0.030 | -0.002381 | 0.996764 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.715 | 0.800000 | -3.500000e-02 | -0.195 | -0.107143 | 0.858491 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.715 | 0.795699 | 1.500000e-02 | -0.095 | -0.040476 | 0.942761 |
| MLPClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.715 | 0.792727 | -7.500000e-02 | -0.250 | -0.154762 | 0.785479 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.710 | 0.791367 | -7.250000e-02 | -0.120 | -0.104762 | 0.854785 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.710 | 0.789855 | -7.000000e-02 | -0.215 | -0.138095 | 0.808581 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.710 | 0.786765 | -1.075000e-01 | -0.265 | -0.180952 | 0.746667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705 | 0.794425 | -6.250000e-02 | -0.125 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705 | 0.794425 | -6.250000e-02 | -0.125 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.705 | 0.794425 | -6.250000e-02 | -0.125 | -0.097619 | 0.872274 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.705 | 0.791519 | -4.500000e-02 | -0.140 | -0.092857 | 0.875000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.705 | 0.790036 | -1.000000e-01 | -0.200 | -0.150000 | 0.800000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.705 | 0.777358 | -1.750000e-02 | -0.085 | -0.059524 | 0.907407 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.705 | 0.764940 | -9.750000e-02 | -0.120 | -0.126190 | 0.787149 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.700 | 0.791667 | -5.500000e-02 | -0.160 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.791667 | -5.500000e-02 | -0.160 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700 | 0.791667 | -7.500000e-02 | -0.125 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.700 | 0.791667 | -7.500000e-02 | -0.125 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.700 | 0.790210 | -5.750000e-02 | -0.115 | -0.090476 | 0.880503 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700 | 0.790210 | -7.500000e-02 | -0.150 | -0.114286 | 0.850467 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700 | 0.790210 | -1.100000e-01 | -0.220 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700 | 0.790210 | -1.100000e-01 | -0.220 | -0.161905 | 0.792049 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700 | 0.790210 | -7.250000e-02 | -0.220 | -0.138095 | 0.820988 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.700 | 0.790210 | -1.100000e-01 | -0.220 | -0.161905 | 0.792049 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.700 | 0.788732 | -4.000000e-02 | -0.105 | -0.076190 | 0.897436 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.700 | 0.788732 | -5.750000e-02 | -0.140 | -0.100000 | 0.866667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700 | 0.787234 | -5.750000e-02 | -0.165 | -0.109524 | 0.852564 |
| LogisticRegressionCV | PREPROCESSING | FOS | FAIR_PCA | 0.700 | 0.785714 | -5.000000e-03 | -0.085 | -0.047619 | 0.933333 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.700 | 0.785714 | -5.000000e-03 | -0.085 | -0.047619 | 0.933333 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.700 | 0.784173 | -3.750000e-02 | -0.250 | -0.128571 | 0.823529 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FAIR_PCA | 0.700 | 0.781022 | 3.000000e-02 | -0.090 | -0.028571 | 0.957895 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.781022 | 3.000000e-02 | -0.090 | -0.028571 | 0.957895 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.781022 | 6.750000e-02 | -0.090 | -0.004762 | 0.992908 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700 | 0.781022 | 2.750000e-02 | -0.020 | -0.004762 | 0.992908 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.700 | 0.781022 | 3.000000e-02 | -0.090 | -0.028571 | 0.957895 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.700 | 0.781022 | 3.000000e-02 | -0.090 | -0.028571 | 0.957895 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.700 | 0.781022 | 6.750000e-02 | -0.090 | -0.004762 | 0.992908 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.700 | 0.779412 | -7.750000e-02 | -0.255 | -0.157143 | 0.777778 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.700 | 0.765625 | -1.500000e-02 | -0.105 | -0.066667 | 0.888889 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695 | 0.790378 | -1.250000e-02 | -0.100 | -0.054762 | 0.929012 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.695 | 0.788927 | 2.250000e-02 | -0.055 | -0.016667 | 0.977778 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695 | 0.788927 | -1.050000e-01 | -0.160 | -0.135714 | 0.827273 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695 | 0.788927 | -1.050000e-01 | -0.160 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.695 | 0.788927 | -1.050000e-01 | -0.160 | -0.135714 | 0.827273 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.695 | 0.787456 | -7.000000e-02 | -0.115 | -0.097619 | 0.872274 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695 | 0.784452 | 7.750000e-02 | -0.095 | 0.002381 | 1.003333 |
| MLPClassifier | PREPROCESSING | FOS | FOS | 0.695 | 0.781362 | -7.500000e-02 | -0.075 | -0.088095 | 0.877888 |
| RidgeClassifierCV | PREPROCESSING | FOS | FAIR_PCA | 0.695 | 0.781362 | 0.000000e+00 | -0.075 | -0.040476 | 0.942761 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.695 | 0.781362 | 5.750000e-02 | -0.110 | -0.016667 | 0.976190 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695 | 0.781362 | 0.000000e+00 | -0.075 | -0.040476 | 0.942761 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.695 | 0.781362 | -1.050000e-01 | -0.285 | -0.183333 | 0.755556 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FOS | 0.695 | 0.778182 | 2.775558e-17 | -0.125 | -0.059524 | 0.914089 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER | 0.695 | 0.778182 | 2.775558e-17 | -0.125 | -0.059524 | 0.914089 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.695 | 0.778182 | 2.775558e-17 | -0.125 | -0.059524 | 0.914089 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.695 | 0.778182 | 2.775558e-17 | -0.125 | -0.059524 | 0.914089 |
| LinearSVC | PREPROCESSING | FOS | FAIR_PCA | 0.695 | 0.776557 | 3.500000e-02 | -0.080 | -0.021429 | 0.968085 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695 | 0.776557 | 3.500000e-02 | -0.080 | -0.021429 | 0.968085 |
| RidgeClassifierCV | PREPROCESSING | DEMV | DEMV | 0.695 | 0.774908 | -5.500000e-02 | -0.210 | -0.126190 | 0.817869 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.695 | 0.774908 | -5.500000e-02 | -0.210 | -0.126190 | 0.817869 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.695 | 0.774908 | -5.500000e-02 | -0.210 | -0.126190 | 0.817869 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.695 | 0.774908 | -5.500000e-02 | -0.210 | -0.126190 | 0.817869 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.695 | 0.760784 | -2.750000e-02 | -0.130 | -0.083333 | 0.861111 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.695 | 0.760784 | -2.750000e-02 | -0.130 | -0.083333 | 0.861111 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.695 | 0.756972 | 7.500000e-03 | -0.110 | -0.054762 | 0.904167 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.695 | 0.755020 | -3.250000e-02 | -0.065 | -0.064286 | 0.886076 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.690 | 0.789116 | -1.500000e-01 | -0.250 | -0.195238 | 0.764368 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.690 | 0.784722 | -6.250000e-02 | -0.150 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.690 | 0.780142 | -1.000000e-01 | -0.225 | -0.157143 | 0.792453 |
| RidgeClassifierCV | PREPROCESSING | FOS | FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LinearSVC | PREPROCESSING | FOS | FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.690 | 0.773723 | -1.250000e-02 | -0.150 | -0.076190 | 0.890034 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER | 0.690 | 0.772059 | 2.250000e-02 | -0.105 | -0.038095 | 0.943262 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.690 | 0.772059 | 2.250000e-02 | -0.105 | -0.038095 | 0.943262 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.690 | 0.765152 | 7.250000e-02 | -0.030 | 0.019048 | 1.031008 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.690 | 0.753968 | -4.250000e-02 | -0.110 | -0.085714 | 0.853659 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.690 | 0.752000 | -4.250000e-02 | -0.135 | -0.095238 | 0.835391 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.685 | 0.774194 | 2.750000e-02 | 0.005 | 0.007143 | 1.010309 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.685 | 0.770909 | -8.000000e-02 | -0.185 | -0.130952 | 0.816667 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.685 | 0.770909 | -8.000000e-02 | -0.185 | -0.130952 | 0.816667 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.685 | 0.769231 | -5.000000e-03 | -0.210 | -0.092857 | 0.865979 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | DEMV | 0.685 | 0.767528 | -1.175000e-01 | -0.235 | -0.173810 | 0.754209 |
| LogisticRegressionCV | PREPROCESSING | FOS | FOS | 0.685 | 0.767528 | 2.750000e-02 | -0.095 | -0.030952 | 0.953405 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.685 | 0.767528 | 2.750000e-02 | -0.095 | -0.030952 | 0.953405 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.685 | 0.762264 | -4.750000e-02 | -0.170 | -0.107143 | 0.836957 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685 | 0.752941 | -1.075000e-01 | -0.190 | -0.154762 | 0.750958 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.685 | 0.750988 | -1.750000e-02 | -0.110 | -0.069048 | 0.882114 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.685 | 0.750988 | -1.750000e-02 | -0.110 | -0.069048 | 0.882114 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685 | 0.749004 | -7.500000e-02 | -0.100 | -0.102381 | 0.825203 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.685 | 0.749004 | -7.500000e-02 | -0.100 | -0.102381 | 0.825203 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.680 | 0.768116 | -9.250000e-02 | -0.185 | -0.138095 | 0.808581 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.680 | 0.766423 | -7.500000e-02 | -0.175 | -0.123810 | 0.824916 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.680 | 0.766423 | -7.500000e-02 | -0.175 | -0.123810 | 0.824916 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.680 | 0.746032 | -1.000000e-01 | -0.275 | -0.180952 | 0.705426 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.680 | 0.735537 | 2.000000e-02 | -0.085 | -0.038095 | 0.926941 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER | 0.675 | 0.768683 | 2.500000e-03 | 0.005 | -0.007143 | 0.989899 |
| MLPClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.675 | 0.767025 | 4.250000e-02 | -0.090 | -0.016667 | 0.976190 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.675 | 0.765343 | 4.250000e-02 | -0.115 | -0.026190 | 0.962199 |
| RidgeClassifierCV | PREPROCESSING | DEMV | FAIR_PCA | 0.675 | 0.763636 | -8.750000e-02 | -0.175 | -0.130952 | 0.816667 |
| LogisticRegressionCV | PREPROCESSING | DEMV | FAIR_PCA | 0.675 | 0.763636 | -8.750000e-02 | -0.175 | -0.130952 | 0.816667 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.675 | 0.763636 | -8.750000e-02 | -0.175 | -0.130952 | 0.816667 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.675 | 0.763636 | -3.000000e-02 | -0.210 | -0.107143 | 0.848485 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.675 | 0.763636 | -8.750000e-02 | -0.175 | -0.130952 | 0.816667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.675 | 0.763636 | -8.750000e-02 | -0.175 | -0.130952 | 0.816667 |
| LinearSVC | PREPROCESSING | DEMV | FAIR_PCA | 0.675 | 0.761905 | -8.750000e-02 | -0.200 | -0.140476 | 0.801347 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.675 | 0.761905 | -8.750000e-02 | -0.200 | -0.140476 | 0.801347 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.675 | 0.761905 | -8.750000e-02 | -0.200 | -0.140476 | 0.801347 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.675 | 0.761905 | -8.750000e-02 | -0.200 | -0.140476 | 0.801347 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | DEMV | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.675 | 0.760148 | -3.250000e-02 | -0.190 | -0.102381 | 0.850694 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.675 | 0.738956 | 1.000000e-02 | -0.080 | -0.040476 | 0.927350 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.675 | 0.738956 | -7.500000e-03 | -0.115 | -0.064286 | 0.886076 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.675 | 0.738956 | -7.500000e-03 | -0.115 | -0.064286 | 0.886076 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.675 | 0.728033 | 5.000000e-03 | -0.065 | -0.040476 | 0.920188 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.670 | 0.764286 | -2.500000e-02 | -0.125 | -0.071429 | 0.900990 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.670 | 0.760870 | -6.250000e-02 | -0.175 | -0.114286 | 0.840000 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670 | 0.759124 | -7.500000e-03 | -0.165 | -0.076190 | 0.890034 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | FAIR_PCA | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.670 | 0.757353 | -2.750000e-02 | -0.155 | -0.085714 | 0.875000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.670 | 0.757353 | -8.250000e-02 | -0.190 | -0.133333 | 0.809524 |
| MLPClassifier | PREPROCESSING | DEMV | DEMV | 0.670 | 0.755556 | -1.025000e-01 | -0.180 | -0.142857 | 0.793814 |
| LinearSVC | PREPROCESSING | DEMV | DEMV | 0.670 | 0.751880 | -6.750000e-02 | -0.160 | -0.114286 | 0.827957 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.670 | 0.751880 | -6.750000e-02 | -0.160 | -0.114286 | 0.827957 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.670 | 0.751880 | -6.750000e-02 | -0.160 | -0.114286 | 0.827957 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.670 | 0.751880 | -6.750000e-02 | -0.160 | -0.114286 | 0.827957 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER | 0.670 | 0.750000 | -6.750000e-02 | -0.185 | -0.123810 | 0.811594 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.670 | 0.750000 | -6.750000e-02 | -0.185 | -0.123810 | 0.811594 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.670 | 0.742188 | 2.775558e-17 | -0.075 | -0.042857 | 0.927711 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.670 | 0.740157 | 2.000000e-02 | -0.135 | -0.052381 | 0.910569 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.665 | 0.759857 | -2.400000e-01 | -0.255 | -0.254762 | 0.669753 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.665 | 0.756364 | -4.250000e-02 | -0.060 | -0.059524 | 0.914089 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.665 | 0.752768 | -4.000000e-02 | -0.180 | -0.102381 | 0.850694 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.665 | 0.750929 | 5.250000e-02 | -0.170 | -0.040476 | 0.938406 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.665 | 0.749064 | 1.250000e-02 | -0.125 | -0.050000 | 0.923077 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.665 | 0.747170 | -8.000000e-02 | -0.185 | -0.130952 | 0.802867 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.665 | 0.747170 | -8.000000e-02 | -0.185 | -0.130952 | 0.802867 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.665 | 0.735178 | 2.500000e-02 | -0.125 | -0.045238 | 0.921811 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.665 | 0.735178 | 2.500000e-02 | -0.125 | -0.045238 | 0.921811 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.660 | 0.753623 | 5.000000e-03 | -0.165 | -0.066667 | 0.904762 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.660 | 0.746269 | -2.000000e-02 | -0.090 | -0.057143 | 0.913043 |
| LogisticRegressionCV | PREPROCESSING | DEMV | DEMV | 0.660 | 0.744361 | -5.500000e-02 | -0.185 | -0.114286 | 0.827957 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.660 | 0.744361 | -5.500000e-02 | -0.185 | -0.114286 | 0.827957 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.660 | 0.744361 | -5.500000e-02 | -0.185 | -0.114286 | 0.827957 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER | 0.655 | 0.739623 | 4.000000e-02 | -0.070 | -0.011905 | 0.981061 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.655 | 0.722892 | 7.000000e-02 | -0.060 | 0.007143 | 1.013158 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.655 | 0.716049 | 5.000000e-02 | -0.100 | -0.021429 | 0.958904 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.650 | 0.755245 | 3.500000e-02 | -0.030 | 0.004762 | 1.006536 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.650 | 0.748201 | 3.250000e-02 | -0.060 | -0.009524 | 0.986254 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.650 | 0.734848 | -3.000000e-02 | -0.060 | -0.052381 | 0.917603 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.650 | 0.715447 | 7.500000e-02 | -0.075 | 0.004762 | 1.009009 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.650 | 0.715447 | 7.500000e-02 | -0.075 | 0.004762 | 1.009009 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.650 | 0.698276 | -1.525000e-01 | -0.180 | -0.180952 | 0.648148 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.645 | 0.707819 | -5.000000e-02 | -0.125 | -0.092857 | 0.828947 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.640 | 0.707317 | -2.500000e-03 | -0.205 | -0.090476 | 0.837607 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.630 | 0.694215 | 2.500000e-03 | -0.070 | -0.038095 | 0.926941 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.625 | 0.680851 | -5.000000e-02 | -0.100 | -0.083333 | 0.833333 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.620 | 0.696000 | -5.500000e-02 | -0.135 | -0.095238 | 0.835391 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.430 | 0.406250 | 5.650000e-01 | 0.555 | 0.557143 | 7.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.430 | 0.393617 | 5.075000e-01 | 0.540 | 0.514286 | 7.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.420 | 0.376344 | 5.175000e-01 | 0.560 | 0.528571 | 8.400000 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.415 | 0.360656 | 5.550000e-01 | 0.685 | 0.597619 | 17.733333 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.415 | 0.346369 | 4.975000e-01 | 0.670 | 0.554762 | 20.416667 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.410 | 0.358696 | 5.100000e-01 | 0.545 | 0.519048 | 9.074074 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.395 | 0.300578 | 4.275000e-01 | 0.580 | 0.478571 | 23.333333 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.395 | 0.284024 | 4.250000e-01 | 0.600 | 0.483333 | inf |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.390 | 0.314607 | 6.000000e-01 | 0.700 | 0.633333 | inf |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.390 | 0.290698 | 4.150000e-01 | 0.555 | 0.461905 | 22.555556 |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.390 | 0.273810 | 4.125000e-01 | 0.575 | 0.466667 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.390 | 0.273810 | 4.125000e-01 | 0.575 | 0.466667 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.390 | 0.273810 | 4.125000e-01 | 0.575 | 0.466667 | inf |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.385 | 0.320442 | 6.625000e-01 | 0.725 | 0.683333 | inf |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.385 | 0.312849 | 6.250000e-01 | 0.700 | 0.650000 | inf |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.385 | 0.289017 | 5.125000e-01 | 0.625 | 0.550000 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.385 | 0.263473 | 4.000000e-01 | 0.550 | 0.450000 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.375 | 0.260355 | -1.750000e-02 | -0.010 | -0.016667 | 0.888889 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.375 | 0.251497 | 4.125000e-01 | 0.525 | 0.450000 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.370 | 0.275862 | 5.325000e-01 | 0.565 | 0.542857 | 77.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.370 | 0.250000 | 4.200000e-01 | 0.490 | 0.442857 | 63.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.370 | 0.240964 | 3.825000e-01 | 0.465 | 0.409524 | 58.333333 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.370 | 0.240964 | 3.825000e-01 | 0.465 | 0.409524 | 58.333333 |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.365 | 0.220859 | 3.500000e-01 | 0.450 | 0.383333 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.365 | 0.220859 | 3.500000e-01 | 0.450 | 0.383333 | inf |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.365 | 0.220859 | 3.500000e-01 | 0.450 | 0.383333 | inf |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.360 | 0.209877 | 3.025000e-01 | 0.355 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.360 | 0.209877 | 3.025000e-01 | 0.355 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.360 | 0.209877 | 3.025000e-01 | 0.355 | 0.319048 | 23.333333 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.360 | 0.209877 | 3.025000e-01 | 0.355 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.360 | 0.209877 | 3.025000e-01 | 0.355 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.360 | 0.209877 | 3.025000e-01 | 0.355 | 0.319048 | 23.333333 |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.355 | 0.208589 | 3.625000e-01 | 0.425 | 0.383333 | inf |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.305 | 0.014184 | -5.000000e-03 | -0.010 | -0.007143 | 0.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.305 | 0.014184 | -5.000000e-03 | -0.010 | -0.007143 | 0.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.305 | 0.014184 | -5.000000e-03 | -0.010 | -0.007143 | 0.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.305 | 0.014184 | -5.000000e-03 | -0.010 | -0.007143 | 0.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.305 | 0.014184 | -5.000000e-03 | -0.010 | -0.007143 | 0.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.305 | 0.014184 | -5.000000e-03 | -0.010 | -0.007143 | 0.000000 |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
En este caso los datos originales no se ajustan, sino que se optimiza un modelo para que además de ser preciso sea justo...
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS_FAIR_PCA | 0.735 | 0.814035 | -1.175000e-01 | -0.110 | -0.130952 | 0.828660 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV_FAIR_PCA | 0.730 | 0.822368 | -4.500000e-02 | -0.165 | -0.100000 | 0.882353 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV_FAIR_PCA | 0.730 | 0.822368 | -4.500000e-02 | -0.165 | -0.100000 | 0.882353 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR | 0.730 | 0.802920 | -8.000000e-02 | -0.085 | -0.100000 | 0.857143 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE | 0.725 | 0.808362 | -3.000000e-02 | -0.110 | -0.073810 | 0.902516 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR_FAIR_PCA | 0.720 | 0.818182 | -1.500000e-02 | -0.105 | -0.057143 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR_FAIR_PCA | 0.720 | 0.818182 | -1.500000e-02 | -0.105 | -0.057143 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE | 0.720 | 0.801418 | -3.000000e-02 | -0.010 | -0.038095 | 0.947195 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS_FAIR_PCA | 0.720 | 0.798561 | 2.750000e-02 | -0.095 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS_FAIR_PCA | 0.715 | 0.801394 | 7.000000e-02 | 0.040 | 0.045238 | 1.062706 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS_FAIR_PCA | 0.715 | 0.797153 | 9.000000e-02 | -0.070 | 0.016667 | 1.023810 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS_FAIR_PCA | 0.715 | 0.797153 | 9.000000e-02 | -0.070 | 0.016667 | 1.023810 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS | 0.715 | 0.794224 | 1.375000e-01 | 0.125 | 0.116667 | 1.179487 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | UNAWARENESS | 0.715 | 0.789668 | 2.750000e-02 | -0.020 | -0.007143 | 0.989130 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR | 0.710 | 0.792857 | -1.500000e-02 | -0.130 | -0.071429 | 0.900990 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV | 0.710 | 0.789855 | -2.775558e-17 | -0.075 | -0.042857 | 0.938144 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS_FAIR_PCA | 0.710 | 0.786765 | -1.500000e-01 | -0.125 | -0.157143 | 0.777778 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FairODTrainer | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | SMOTE | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | SMOTE_FAIR_PCA | SMOTE | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | ROS | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROS_FAIR_PCA | ROS | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | RUS | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RUS_FAIR_PCA | RUS | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FOS | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FOS_FAIR_PCA | FOS | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FAIR_SMOTE | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_SMOTE_FAIR_PCA | FAIR_SMOTE | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | BAL_GAN_FAIR | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | BAL_GAN_FAIR_FAIR_PCA | BAL_GAN_FAIR | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | DEMV | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DEMV_FAIR_PCA | DEMV | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | IN_PROCESSING | FAIR_PCA | HYPERPARAMETER | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE_FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS | 0.700 | 0.782609 | -1.000000e-02 | 0.005 | -0.019048 | 0.972222 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE | 0.695 | 0.781362 | -7.500000e-02 | -0.075 | -0.088095 | 0.877888 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV_FAIR_PCA | 0.690 | 0.773723 | -1.250000e-02 | -0.150 | -0.076190 | 0.890034 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR_FAIR_PCA | 0.690 | 0.772059 | -8.750000e-02 | -0.175 | -0.133333 | 0.809524 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE_FAIR_PCA | 0.690 | 0.772059 | 1.325000e-01 | -0.035 | 0.057143 | 1.088889 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE_FAIR_PCA | 0.690 | 0.772059 | 1.325000e-01 | -0.035 | 0.057143 | 1.088889 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS | 0.690 | 0.768657 | 3.500000e-02 | 0.020 | 0.014286 | 1.022472 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV_FAIR_PCA | 0.685 | 0.772563 | -1.500000e-01 | -0.300 | -0.216667 | 0.711111 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR | 0.685 | 0.765799 | -8.250000e-02 | -0.190 | -0.135714 | 0.802083 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE_FAIR_PCA | 0.680 | 0.769784 | -3.500000e-02 | -0.195 | -0.104762 | 0.854785 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | UNAWARENESS | 0.680 | 0.769784 | 1.750000e-02 | -0.090 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | UNAWARENESS | 0.680 | 0.769784 | 1.750000e-02 | -0.090 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV | 0.680 | 0.764706 | -2.250000e-02 | -0.095 | -0.061905 | 0.908772 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS_FAIR_PCA | 0.675 | 0.767025 | 7.750000e-02 | -0.020 | 0.030952 | 1.045139 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS | 0.670 | 0.759124 | 4.250000e-02 | 0.010 | 0.019048 | 1.028674 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS | 0.670 | 0.759124 | 4.250000e-02 | 0.010 | 0.019048 | 1.028674 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | UNAWARENESS | 0.670 | 0.757353 | 2.250000e-02 | 0.020 | 0.009524 | 1.014493 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS | 0.670 | 0.757353 | 5.000000e-03 | -0.015 | -0.014286 | 0.978495 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS_FAIR_PCA | 0.665 | 0.761566 | -2.000000e-02 | -0.090 | -0.054762 | 0.924092 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE_FAIR_PCA | 0.665 | 0.756364 | -2.500000e-02 | -0.025 | -0.035714 | 0.947917 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS_FAIR_PCA | 0.665 | 0.749064 | 2.325000e-01 | 0.015 | 0.140476 | 1.236948 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS_FAIR_PCA | 0.665 | 0.749064 | 2.325000e-01 | 0.015 | 0.140476 | 1.236948 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN_FAIR_PCA | 0.660 | 0.776316 | -3.500000e-01 | -0.375 | -0.361905 | 0.610256 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS_FAIR_PCA | 0.660 | 0.771812 | 8.250000e-02 | 0.040 | 0.061905 | 1.080247 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS | 0.660 | 0.734375 | -7.500000e-03 | -0.065 | -0.042857 | 0.927711 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN_FAIR_PCA | 0.655 | 0.782334 | -3.500000e-02 | 0.055 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_PCA | 0.655 | 0.782334 | -3.500000e-02 | 0.055 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN_FAIR_PCA | 0.655 | 0.782334 | -3.500000e-02 | 0.055 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_PCA | 0.655 | 0.782334 | -3.500000e-02 | 0.055 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | UNAWARENESS | 0.655 | 0.750903 | -4.500000e-02 | -0.165 | -0.097619 | 0.863333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE | 0.655 | 0.749091 | 8.000000e-02 | -0.015 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE | 0.655 | 0.749091 | 8.000000e-02 | -0.015 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR | 0.655 | 0.743494 | 5.000000e-03 | -0.090 | -0.040476 | 0.938406 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR | 0.655 | 0.743494 | 5.000000e-03 | -0.090 | -0.040476 | 0.938406 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS_FAIR_PCA | 0.655 | 0.722892 | 3.250000e-02 | -0.060 | -0.016667 | 0.969697 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS_FAIR_PCA | 0.655 | 0.722892 | 3.250000e-02 | -0.060 | -0.016667 | 0.969697 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE_FAIR_PCA | 0.650 | 0.748201 | 3.500000e-02 | -0.130 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS | 0.650 | 0.736842 | -6.500000e-02 | -0.105 | -0.090476 | 0.862319 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV | 0.650 | 0.728682 | -1.225000e-01 | -0.170 | -0.152381 | 0.760300 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS_FAIR_PCA | 0.650 | 0.717742 | -1.075000e-01 | -0.190 | -0.152381 | 0.739837 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR_FAIR_PCA | 0.645 | 0.736059 | -7.500000e-02 | -0.150 | -0.111905 | 0.835088 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS | 0.645 | 0.721569 | -4.750000e-02 | -0.045 | -0.059524 | 0.899598 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV | 0.635 | 0.720307 | 7.500000e-03 | -0.135 | -0.054762 | 0.911877 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV | 0.635 | 0.720307 | 7.500000e-03 | -0.135 | -0.054762 | 0.911877 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS | 0.630 | 0.727941 | 1.825000e-01 | -0.010 | 0.104762 | 1.166667 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS | 0.630 | 0.727941 | 1.825000e-01 | -0.010 | 0.104762 | 1.166667 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV_FAIR_PCA | 0.625 | 0.716981 | -7.500000e-02 | -0.075 | -0.083333 | 0.871795 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS | 0.625 | 0.688797 | -3.000000e-02 | -0.060 | -0.054762 | 0.894977 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR_FAIR_PCA | 0.620 | 0.722628 | -8.000000e-02 | -0.185 | -0.123810 | 0.824916 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS_FAIR_PCA | 0.620 | 0.696000 | 7.250000e-02 | -0.030 | 0.023810 | 1.043860 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS_FAIR_PCA | 0.610 | 0.675000 | -1.400000e-01 | -0.180 | -0.166667 | 0.696970 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS | 0.610 | 0.675000 | 2.500000e-02 | -0.075 | -0.023810 | 0.953052 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS | 0.610 | 0.675000 | 2.500000e-02 | -0.075 | -0.023810 | 0.953052 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS | 0.605 | 0.685259 | 0.000000e+00 | -0.125 | -0.054762 | 0.904167 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_PCA | 0.565 | 0.661479 | 2.800000e-01 | 0.235 | 0.259524 | 1.511737 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN_FAIR_PCA | 0.525 | 0.581498 | 1.000000e-02 | -0.205 | -0.073810 | 0.838542 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | UNAWARENESS | 0.520 | 0.603306 | 1.500000e-02 | 0.005 | 0.009524 | 1.018779 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_PCA | 0.465 | 0.483092 | -1.175000e-01 | -0.185 | -0.145238 | 0.616352 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS | 0.460 | 0.522124 | -2.500000e-02 | 0.250 | 0.076190 | 1.187135 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE | 0.460 | 0.419355 | 4.700000e-01 | 0.590 | 0.504762 | 7.424242 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN | 0.440 | 0.404255 | -2.600000e-01 | -0.345 | -0.295238 | 0.101449 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE | 0.435 | 0.395722 | 5.000000e-01 | 0.575 | 0.521429 | 7.636364 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE | 0.435 | 0.395722 | 5.000000e-01 | 0.575 | 0.521429 | 7.636364 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE | 0.410 | 0.351648 | 5.600000e-01 | 0.695 | 0.604762 | 22.166667 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE | 0.410 | 0.321839 | 4.650000e-01 | 0.630 | 0.519048 | 37.333333 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS | 0.400 | 0.464286 | -6.000000e-02 | 0.005 | -0.028571 | 0.933333 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN_FAIR_PCA | 0.390 | 0.273810 | 2.500000e-03 | -0.020 | -0.009524 | 0.933333 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_PCA | 0.390 | 0.273810 | 2.500000e-03 | -0.020 | -0.009524 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE_FAIR_PCA | 0.385 | 0.297143 | 5.500000e-01 | 0.650 | 0.583333 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE_FAIR_PCA | 0.380 | 0.279070 | 5.000000e-01 | 0.600 | 0.533333 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE_FAIR_PCA | 0.370 | 0.275862 | 5.325000e-01 | 0.565 | 0.542857 | 77.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE_FAIR_PCA | 0.370 | 0.275862 | 5.325000e-01 | 0.565 | 0.542857 | 77.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE_FAIR_PCA | 0.370 | 0.258824 | 4.750000e-01 | 0.550 | 0.500000 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN_FAIR_PCA | 0.350 | 0.144737 | 4.000000e-02 | 0.030 | 0.033333 | 1.666667 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS_FAIR_PCA | 0.340 | 0.274725 | -8.250000e-02 | -0.040 | -0.061905 | 0.729167 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN | 0.320 | 0.068493 | 1.750000e-02 | -0.015 | 0.004762 | 1.166667 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE_FAIR_PCA | 0.320 | 0.055556 | -2.000000e-02 | -0.040 | -0.028571 | 0.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE | 0.315 | 0.041958 | -1.500000e-02 | -0.030 | -0.021429 | 0.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS_FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR_FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV_FAIR_PCA | 0.300 | 0.000000 | 0.000000e+00 | 0.000 | 0.000000 | NaN |
Estos métodos están encaminados a buscar la generación de resultados más justos.
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | RejectOptionClassification | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | EqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | RejectOptionClassification | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | EqOddsPostprocessing | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | RandomizedThreshold | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.866667 | 0.892857 | -0.100000 | 0.000000 | -0.190283 | 0.752632 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.844444 | 0.877193 | -0.050000 | 0.000000 | -0.137652 | 0.821053 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer | 0.844444 | 0.877193 | -0.050000 | 0.000000 | -0.137652 | 0.821053 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.844444 | 0.872727 | -0.155556 | -0.111111 | -0.242915 | 0.684211 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.822222 | 0.857143 | -0.105556 | -0.111111 | -0.190283 | 0.752632 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer | 0.822222 | 0.857143 | -0.105556 | -0.111111 | -0.190283 | 0.752632 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.822222 | 0.846154 | -0.043056 | 0.013889 | -0.127530 | 0.804954 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.800000 | 0.842105 | -0.155556 | -0.111111 | -0.228745 | 0.716792 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_FAIR_PCA_ROS_CounterfactualAnalyzer | 0.777778 | 0.827586 | -0.018750 | 0.062500 | -0.085020 | 0.889474 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.777778 | 0.821429 | -0.124306 | -0.048611 | -0.190283 | 0.752632 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_HYPER_CounterfactualAnalyzer | 0.777778 | 0.821429 | -0.124306 | -0.048611 | -0.190283 | 0.752632 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.755556 | 0.792453 | -0.098611 | -0.097222 | -0.165992 | 0.760234 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.755556 | 0.792453 | -0.098611 | -0.097222 | -0.165992 | 0.760234 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer | 0.755556 | 0.792453 | -0.098611 | -0.097222 | -0.165992 | 0.760234 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.755556 | 0.784314 | -0.017361 | -0.034722 | -0.089069 | 0.855263 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_DEMV_HYPERPARAMETER_CounterfactualAnalyzer | 0.755556 | 0.784314 | -0.104167 | -0.208333 | -0.180162 | 0.724458 |
| ExtraTreesClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | ExtraTreesClassifier | 0.745000 | 0.823529 | -0.090000 | -0.105000 | -0.111905 | 0.856269 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | 0.744186 | 0.803571 | -0.222222 | -0.611111 | -0.325269 | 0.561594 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.740000 | 0.819444 | -0.027500 | -0.130000 | -0.080952 | 0.894081 |
| ExtraTreesClassifier | POSTPROCESSING | ThresholdOptimizer | ExtraTreesClassifier | 0.735000 | 0.821549 | 0.032500 | 0.040000 | 0.021429 | 1.027523 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.735000 | 0.820339 | 0.035000 | -0.055000 | -0.011905 | 0.984709 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_PCA_ROS | 0.725000 | 0.810997 | 0.045000 | -0.060000 | -0.007143 | 0.990566 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.720000 | 0.813333 | 0.035000 | -0.030000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.720000 | 0.809524 | -0.077500 | -0.105000 | -0.100000 | 0.875000 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | ThresholdOptimizer | FAIR_PCA_ROS | 0.720000 | 0.808219 | 0.032500 | -0.060000 | -0.014286 | 0.981308 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.715000 | 0.804124 | 0.185000 | 0.020000 | 0.111905 | 1.155116 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | DEMV_HYPERPARAMETER | 0.710000 | 0.802721 | 0.097500 | 0.045000 | 0.066667 | 1.088889 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | ROS_HYPERPARAMETER | 0.710000 | 0.802721 | 0.097500 | 0.045000 | 0.066667 | 1.088889 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.710000 | 0.802721 | 0.097500 | 0.045000 | 0.066667 | 1.088889 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.710000 | 0.801370 | -0.067500 | -0.085000 | -0.085714 | 0.890909 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.710000 | 0.800000 | 0.040000 | 0.030000 | 0.023810 | 1.032051 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | DEMV_HYPERPARAMETER | 0.710000 | 0.795775 | -0.032500 | -0.115000 | -0.076190 | 0.897436 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | ROS_HYPERPARAMETER | 0.710000 | 0.795775 | -0.032500 | -0.115000 | -0.076190 | 0.897436 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.710000 | 0.795775 | -0.032500 | -0.115000 | -0.076190 | 0.897436 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.705000 | 0.805281 | 0.145000 | 0.040000 | 0.097619 | 1.124242 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.801347 | 0.105000 | 0.035000 | 0.069048 | 1.090343 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.705000 | 0.801347 | 0.105000 | 0.035000 | 0.069048 | 1.090343 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 0.050000 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 0.050000 | -0.050000 | 0.002381 | 1.003115 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.797251 | 0.067500 | -0.040000 | 0.016667 | 1.022222 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -0.062500 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -0.062500 | -0.125000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.705000 | 0.792982 | -0.045000 | -0.115000 | -0.083333 | 0.888889 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.700000 | 0.793103 | -0.020000 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.700000 | 0.793103 | -0.020000 | -0.065000 | -0.047619 | 0.937695 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.700000 | 0.791667 | -0.057500 | -0.090000 | -0.080952 | 0.894081 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.695000 | 0.787456 | -0.070000 | -0.115000 | -0.097619 | 0.872274 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.695000 | 0.785965 | 0.075000 | 0.000000 | 0.035714 | 1.050000 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.685000 | 0.782007 | 0.142500 | 0.060000 | 0.102381 | 1.143333 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | 0.681159 | 0.750000 | -0.469658 | -0.700000 | -0.549138 | 0.334378 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | 0.680556 | 0.747253 | -0.405952 | -0.800000 | -0.525926 | 0.360360 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI | ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI | 0.666667 | 0.230769 | -0.500000 | -1.000000 | -0.093750 | 0.000000 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | 0.647727 | 0.597403 | -0.182937 | -0.488095 | -0.179310 | 0.527273 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | 0.630952 | 0.586667 | -0.188365 | -0.445513 | -0.164942 | 0.539898 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.622222 | 0.653061 | -0.615079 | -0.785714 | -0.644269 | 0.212560 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.607843 | 0.285714 | -0.526316 | -1.000000 | -0.217391 | 0.000000 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.576923 | 0.214286 | -0.552632 | -1.000000 | -0.227273 | 0.000000 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | MLPClassifier_BASE_HYPER_CERTI_FAI | MLPClassifier_BASE_HYPER_CERTI_FAI | 0.514706 | 0.507463 | -0.309848 | -0.486364 | -0.328372 | 0.327619 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI | MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI | 0.500000 | 0.162162 | -0.090385 | -0.230769 | -0.086729 | 0.284483 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | 0.461538 | 0.333333 | -0.161184 | -0.322368 | -0.214286 | 0.142857 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.425926 | 0.311111 | -0.311364 | -0.350000 | -0.310440 | 0.103175 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | 0.400000 | 0.400000 | -1.000000 | -1.000000 | -1.000000 | 0.000000 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | 0.393939 | 0.230769 | -0.928230 | -0.947368 | -0.933333 | 0.066667 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | 0.387755 | 0.062500 | -0.045455 | -0.090909 | -0.052632 | 0.000000 |
Al finalizar el entrenamiento, se obtiene un conjunto de modelos construidos mediante intervenciones de equidad que cumplen con los criterios de la frontera de Pareto. Las métricas asociadas a estos modelos son analizadas para identificar las intervenciones más prometedoras, las cuales se considerarán en la recomendación final sobre las fases más apropiadas del proceso de machine learning para implementar dichas intervenciones.
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | RejectOptionClassification | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | EqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | RejectOptionClassification | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | EqOddsPostprocessing | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | RandomizedThreshold | FAIR_PCA_ROS | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | DEMV_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.866667 | 0.892857 | -1.000000e-01 | 0.000000 | -0.190283 | 0.752632 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.844444 | 0.877193 | -5.000000e-02 | 0.000000 | -0.137652 | 0.821053 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer | 0.844444 | 0.877193 | -5.000000e-02 | 0.000000 | -0.137652 | 0.821053 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.844444 | 0.872727 | -1.555556e-01 | -0.111111 | -0.242915 | 0.684211 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.822222 | 0.857143 | -1.055556e-01 | -0.111111 | -0.190283 | 0.752632 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer | 0.822222 | 0.857143 | -1.055556e-01 | -0.111111 | -0.190283 | 0.752632 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.822222 | 0.846154 | -4.305556e-02 | 0.013889 | -0.127530 | 0.804954 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.800000 | 0.842105 | -1.555556e-01 | -0.111111 | -0.228745 | 0.716792 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_FAIR_PCA_ROS_CounterfactualAnalyzer | 0.777778 | 0.827586 | -1.875000e-02 | 0.062500 | -0.085020 | 0.889474 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.777778 | 0.821429 | -1.243056e-01 | -0.048611 | -0.190283 | 0.752632 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_HYPER_CounterfactualAnalyzer | 0.777778 | 0.821429 | -1.243056e-01 | -0.048611 | -0.190283 | 0.752632 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.755556 | 0.792453 | -9.861111e-02 | -0.097222 | -0.165992 | 0.760234 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.755556 | 0.792453 | -9.861111e-02 | -0.097222 | -0.165992 | 0.760234 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer | 0.755556 | 0.792453 | -9.861111e-02 | -0.097222 | -0.165992 | 0.760234 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.755556 | 0.784314 | -1.736111e-02 | -0.034722 | -0.089069 | 0.855263 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_DEMV_HYPERPARAMETER_CounterfactualAnalyzer | 0.755556 | 0.784314 | -1.041667e-01 | -0.208333 | -0.180162 | 0.724458 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.755000 | 0.835017 | -2.250000e-02 | -0.120000 | -0.073810 | 0.908555 |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | ROS | 0.745000 | 0.824742 | 5.750000e-02 | -0.010000 | 0.016667 | 1.022222 |
| ExtraTreesClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | ExtraTreesClassifier | 0.745000 | 0.823529 | -9.000000e-02 | -0.105000 | -0.111905 | 0.856269 |
| ExtraTreesClassifier | BASE_LINE | NONE | BASE_LINE_VALUES | 0.745000 | 0.822300 | 0.000000e+00 | -0.025000 | -0.026190 | 0.964744 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.745000 | 0.818505 | -7.250000e-02 | -0.170000 | -0.126190 | 0.830128 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | 0.744186 | 0.803571 | -2.222222e-01 | -0.611111 | -0.325269 | 0.561594 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.740000 | 0.820690 | 2.750000e-02 | -0.070000 | -0.023810 | 0.968553 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.740000 | 0.820690 | 4.750000e-02 | -0.105000 | -0.023810 | 0.968553 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.740000 | 0.819444 | -2.750000e-02 | -0.130000 | -0.080952 | 0.894081 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FOS | 0.740000 | 0.818182 | 2.500000e-02 | -0.050000 | -0.019048 | 0.974110 |
| ExtraTreesClassifier | POSTPROCESSING | ThresholdOptimizer | ExtraTreesClassifier | 0.735000 | 0.821549 | 3.250000e-02 | 0.040000 | 0.021429 | 1.027523 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.735000 | 0.820339 | 3.500000e-02 | -0.055000 | -0.011905 | 0.984709 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.735000 | 0.815331 | -5.000000e-03 | -0.085000 | -0.050000 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS_FAIR_PCA | 0.735000 | 0.814035 | -1.175000e-01 | -0.110000 | -0.130952 | 0.828660 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV_FAIR_PCA | 0.730000 | 0.822368 | -4.500000e-02 | -0.165000 | -0.100000 | 0.882353 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV_FAIR_PCA | 0.730000 | 0.822368 | -4.500000e-02 | -0.165000 | -0.100000 | 0.882353 |
| ExtraTreesClassifier | BASE_LINE | ROS | ROS | 0.730000 | 0.816327 | 2.250000e-02 | -0.080000 | -0.028571 | 0.963303 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.730000 | 0.815068 | -1.425000e-01 | -0.210000 | -0.180952 | 0.777778 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR | 0.730000 | 0.802920 | -8.000000e-02 | -0.085000 | -0.100000 | 0.857143 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_PCA_ROS | 0.725000 | 0.810997 | 4.500000e-02 | -0.060000 | -0.007143 | 0.990566 |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.725000 | 0.808362 | 2.500000e-02 | -0.075000 | -0.026190 | 0.964744 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE | 0.725000 | 0.808362 | -3.000000e-02 | -0.110000 | -0.073810 | 0.902516 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.725000 | 0.807018 | -1.250000e-02 | -0.100000 | -0.059524 | 0.919872 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR_FAIR_PCA | 0.720000 | 0.818182 | -1.500000e-02 | -0.105000 | -0.057143 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR_FAIR_PCA | 0.720000 | 0.818182 | -1.500000e-02 | -0.105000 | -0.057143 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.720000 | 0.813333 | 3.500000e-02 | -0.030000 | 0.000000 | 1.000000 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.720000 | 0.810811 | -3.750000e-02 | -0.150000 | -0.090476 | 0.887906 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.720000 | 0.809524 | -7.750000e-02 | -0.105000 | -0.100000 | 0.875000 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | ThresholdOptimizer | FAIR_PCA_ROS | 0.720000 | 0.808219 | 3.250000e-02 | -0.060000 | -0.014286 | 0.981308 |
| MLPClassifier | BASE_LINE | FAIR_PCA | SMOTE | 0.720000 | 0.805556 | -2.000000e-02 | -0.215000 | -0.104762 | 0.864198 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.720000 | 0.801418 | 7.500000e-03 | -0.010000 | -0.014286 | 0.980000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE | 0.720000 | 0.801418 | -3.000000e-02 | -0.010000 | -0.038095 | 0.947195 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.720000 | 0.800000 | 8.250000e-02 | -0.035000 | 0.023810 | 1.034364 |
| ExtraTreesClassifier | BASE_LINE | SMOTE | SMOTE | 0.720000 | 0.800000 | -6.250000e-02 | -0.175000 | -0.119048 | 0.838188 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS_FAIR_PCA | 0.720000 | 0.798561 | 2.750000e-02 | -0.095000 | -0.033333 | 0.952381 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.715000 | 0.806780 | 4.000000e-02 | -0.070000 | -0.011905 | 0.984709 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.715000 | 0.806780 | -1.075000e-01 | -0.140000 | -0.130952 | 0.839181 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.715000 | 0.806780 | -1.075000e-01 | -0.140000 | -0.130952 | 0.839181 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.715000 | 0.804124 | 1.850000e-01 | 0.020000 | 0.111905 | 1.155116 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS_FAIR_PCA | 0.715000 | 0.801394 | 7.000000e-02 | 0.040000 | 0.045238 | 1.062706 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.715000 | 0.801394 | 3.500000e-02 | -0.030000 | -0.002381 | 0.996764 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.715000 | 0.800000 | -3.500000e-02 | -0.195000 | -0.107143 | 0.858491 |
| MLPClassifier | BASE_LINE | SMOTE | SMOTE | 0.715000 | 0.798587 | 1.750000e-02 | -0.115000 | -0.045238 | 0.937908 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS_FAIR_PCA | 0.715000 | 0.797153 | 9.000000e-02 | -0.070000 | 0.016667 | 1.023810 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS_FAIR_PCA | 0.715000 | 0.797153 | 9.000000e-02 | -0.070000 | 0.016667 | 1.023810 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.715000 | 0.795699 | 1.500000e-02 | -0.095000 | -0.040476 | 0.942761 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS | 0.715000 | 0.794224 | 1.375000e-01 | 0.125000 | 0.116667 | 1.179487 |
| MLPClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.715000 | 0.792727 | -7.500000e-02 | -0.250000 | -0.154762 | 0.785479 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | UNAWARENESS | 0.715000 | 0.789668 | 2.750000e-02 | -0.020000 | -0.007143 | 0.989130 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | DEMV_HYPERPARAMETER | 0.710000 | 0.802721 | 9.750000e-02 | 0.045000 | 0.066667 | 1.088889 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | ROS_HYPERPARAMETER | 0.710000 | 0.802721 | 9.750000e-02 | 0.045000 | 0.066667 | 1.088889 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.710000 | 0.802721 | 9.750000e-02 | 0.045000 | 0.066667 | 1.088889 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.710000 | 0.801370 | -6.750000e-02 | -0.085000 | -0.085714 | 0.890909 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.710000 | 0.800000 | 4.000000e-02 | 0.030000 | 0.023810 | 1.032051 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | DEMV_HYPERPARAMETER | 0.710000 | 0.795775 | -3.250000e-02 | -0.115000 | -0.076190 | 0.897436 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | ROS_HYPERPARAMETER | 0.710000 | 0.795775 | -3.250000e-02 | -0.115000 | -0.076190 | 0.897436 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.710000 | 0.795775 | -3.250000e-02 | -0.115000 | -0.076190 | 0.897436 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR | 0.710000 | 0.792857 | -1.500000e-02 | -0.130000 | -0.071429 | 0.900990 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.710000 | 0.791367 | -7.250000e-02 | -0.120000 | -0.104762 | 0.854785 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV | 0.710000 | 0.789855 | -2.775558e-17 | -0.075000 | -0.042857 | 0.938144 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.710000 | 0.789855 | -7.000000e-02 | -0.215000 | -0.138095 | 0.808581 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS_FAIR_PCA | 0.710000 | 0.786765 | -1.500000e-01 | -0.125000 | -0.157143 | 0.777778 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.710000 | 0.786765 | -1.075000e-01 | -0.265000 | -0.180952 | 0.746667 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER_ROS | 0.710000 | 0.778626 | 1.250000e-02 | -0.075000 | -0.038095 | 0.938697 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.705000 | 0.805281 | 1.450000e-01 | 0.040000 | 0.097619 | 1.124242 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.801347 | 1.050000e-01 | 0.035000 | 0.069048 | 1.090343 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.705000 | 0.801347 | 1.050000e-01 | 0.035000 | 0.069048 | 1.090343 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 5.000000e-02 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 5.000000e-02 | -0.050000 | 0.002381 | 1.003115 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.797251 | 6.750000e-02 | -0.040000 | 0.016667 | 1.022222 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER | 0.705000 | 0.797251 | -1.150000e-01 | -0.180000 | -0.150000 | 0.812500 |
| LinearSVC | BASE_LINE | FAIR_PCA | SMOTE | 0.705000 | 0.795848 | -7.750000e-02 | -0.205000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | BASE_LINE | NONE | BASE_LINE_VALUES | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | BASE_LINE | NONE | BASE_LINE_VALUES | 0.705000 | 0.792982 | -4.500000e-02 | -0.115000 | -0.083333 | 0.888889 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.705000 | 0.792982 | -4.500000e-02 | -0.115000 | -0.083333 | 0.888889 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.705000 | 0.791519 | -4.500000e-02 | -0.140000 | -0.092857 | 0.875000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.705000 | 0.790036 | -1.000000e-01 | -0.200000 | -0.150000 | 0.800000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.705000 | 0.777358 | -1.750000e-02 | -0.085000 | -0.059524 | 0.907407 |
| RidgeClassifierCV | BASE_LINE | ROS | ROS | 0.705000 | 0.764940 | -9.750000e-02 | -0.120000 | -0.126190 | 0.787149 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.705000 | 0.764940 | -9.750000e-02 | -0.120000 | -0.126190 | 0.787149 |
| RidgeClassifierCV | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearSVC | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FairODTrainer | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | SMOTE_FAIR_PCA | SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | ROS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROS_FAIR_PCA | ROS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | RUS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RUS_FAIR_PCA | RUS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FOS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FOS_FAIR_PCA | FOS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FAIR_SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_SMOTE_FAIR_PCA | FAIR_SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | BAL_GAN_FAIR | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | BAL_GAN_FAIR_FAIR_PCA | BAL_GAN_FAIR | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | DEMV | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DEMV_FAIR_PCA | DEMV | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | IN_PROCESSING | FAIR_PCA | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.700000 | 0.793103 | -2.000000e-02 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.700000 | 0.793103 | -2.000000e-02 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.700000 | 0.793103 | -2.000000e-02 | -0.065000 | -0.047619 | 0.937695 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.700000 | 0.791667 | -5.750000e-02 | -0.090000 | -0.080952 | 0.894081 |
| RidgeClassifierCV | BASE_LINE | NONE | BASE_LINE_VALUES | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | BASE_LINE | SMOTE | HYPERPARAMETER | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.700000 | 0.791667 | -5.500000e-02 | -0.160000 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.791667 | -5.500000e-02 | -0.160000 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.700000 | 0.790210 | -5.750000e-02 | -0.115000 | -0.090476 | 0.880503 |
| RidgeClassifierCV | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.790210 | -7.500000e-02 | -0.150000 | -0.114286 | 0.850467 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700000 | 0.790210 | -7.500000e-02 | -0.150000 | -0.114286 | 0.850467 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -7.250000e-02 | -0.220000 | -0.138095 | 0.820988 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | SMOTE | 0.700000 | 0.790210 | -9.000000e-02 | -0.255000 | -0.161905 | 0.792049 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.700000 | 0.788732 | -4.000000e-02 | -0.105000 | -0.076190 | 0.897436 |
| LinearSVC | BASE_LINE | NONE | BASE_LINE_VALUES | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| LogisticRegressionCV | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| LogisticRegressionCV | BASE_LINE | SMOTE | HYPERPARAMETER | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| MLPClassifier | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.700000 | 0.788732 | -7.500000e-02 | -0.175000 | -0.123810 | 0.836478 |
| MLPClassifier | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.700000 | 0.787234 | -4.250000e-02 | -0.060000 | -0.061905 | 0.915033 |
| LinearSVC | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.787234 | -5.750000e-02 | -0.165000 | -0.109524 | 0.852564 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700000 | 0.787234 | -5.750000e-02 | -0.165000 | -0.109524 | 0.852564 |
| LogisticRegressionCV | PREPROCESSING | FOS | FAIR_PCA | 0.700000 | 0.785714 | -5.000000e-03 | -0.085000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.700000 | 0.785714 | -5.000000e-03 | -0.085000 | -0.047619 | 0.933333 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.700000 | 0.784173 | -3.750000e-02 | -0.250000 | -0.128571 | 0.823529 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS | 0.700000 | 0.782609 | -1.000000e-02 | 0.005000 | -0.019048 | 0.972222 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700000 | 0.781022 | 2.750000e-02 | -0.020000 | -0.004762 | 0.992908 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.781022 | 6.750000e-02 | -0.090000 | -0.004762 | 0.992908 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.700000 | 0.781022 | 6.750000e-02 | -0.090000 | -0.004762 | 0.992908 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FAIR_PCA | 0.700000 | 0.781022 | 3.000000e-02 | -0.090000 | -0.028571 | 0.957895 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.781022 | 3.000000e-02 | -0.090000 | -0.028571 | 0.957895 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.700000 | 0.781022 | 3.000000e-02 | -0.090000 | -0.028571 | 0.957895 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.700000 | 0.781022 | 3.000000e-02 | -0.090000 | -0.028571 | 0.957895 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.700000 | 0.779412 | -7.750000e-02 | -0.255000 | -0.157143 | 0.777778 |
| LinearSVC | BASE_LINE | FAIR_PCA | ROS | 0.700000 | 0.765625 | -1.500000e-02 | -0.105000 | -0.066667 | 0.888889 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.700000 | 0.765625 | -1.500000e-02 | -0.105000 | -0.066667 | 0.888889 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695000 | 0.790378 | -1.250000e-02 | -0.100000 | -0.054762 | 0.929012 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.695000 | 0.788927 | 2.250000e-02 | -0.055000 | -0.016667 | 0.977778 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearSVC | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.695000 | 0.787456 | -7.000000e-02 | -0.115000 | -0.097619 | 0.872274 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.695000 | 0.787456 | -7.000000e-02 | -0.115000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.695000 | 0.787456 | -5.000000e-02 | -0.150000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER | 0.695000 | 0.787456 | -5.000000e-02 | -0.150000 | -0.097619 | 0.872274 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.695000 | 0.785965 | 7.500000e-02 | 0.000000 | 0.035714 | 1.050000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695000 | 0.784452 | 7.750000e-02 | -0.095000 | 0.002381 | 1.003333 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER_SMOTE | 0.695000 | 0.784452 | -1.050000e-01 | -0.235000 | -0.164286 | 0.785047 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.695000 | 0.781362 | 5.750000e-02 | -0.110000 | -0.016667 | 0.976190 |
| RidgeClassifierCV | PREPROCESSING | FOS | FAIR_PCA | 0.695000 | 0.781362 | 0.000000e+00 | -0.075000 | -0.040476 | 0.942761 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695000 | 0.781362 | 0.000000e+00 | -0.075000 | -0.040476 | 0.942761 |
| MLPClassifier | PREPROCESSING | FOS | FOS | 0.695000 | 0.781362 | -7.500000e-02 | -0.075000 | -0.088095 | 0.877888 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE | 0.695000 | 0.781362 | -7.500000e-02 | -0.075000 | -0.088095 | 0.877888 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.695000 | 0.781362 | -1.050000e-01 | -0.285000 | -0.183333 | 0.755556 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FOS | 0.695000 | 0.778182 | 2.775558e-17 | -0.125000 | -0.059524 | 0.914089 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER | 0.695000 | 0.778182 | 2.775558e-17 | -0.125000 | -0.059524 | 0.914089 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.695000 | 0.778182 | 2.775558e-17 | -0.125000 | -0.059524 | 0.914089 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.695000 | 0.778182 | 2.775558e-17 | -0.125000 | -0.059524 | 0.914089 |
| LinearSVC | PREPROCESSING | FOS | FAIR_PCA | 0.695000 | 0.776557 | 3.500000e-02 | -0.080000 | -0.021429 | 0.968085 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695000 | 0.776557 | 3.500000e-02 | -0.080000 | -0.021429 | 0.968085 |
| RidgeClassifierCV | PREPROCESSING | DEMV | DEMV | 0.695000 | 0.774908 | -5.500000e-02 | -0.210000 | -0.126190 | 0.817869 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.695000 | 0.774908 | -5.500000e-02 | -0.210000 | -0.126190 | 0.817869 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.695000 | 0.774908 | -5.500000e-02 | -0.210000 | -0.126190 | 0.817869 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.695000 | 0.774908 | -5.500000e-02 | -0.210000 | -0.126190 | 0.817869 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | ROS | 0.695000 | 0.760784 | -2.750000e-02 | -0.130000 | -0.083333 | 0.861111 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER_ROS | 0.695000 | 0.760784 | -2.750000e-02 | -0.130000 | -0.083333 | 0.861111 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.695000 | 0.760784 | -2.750000e-02 | -0.130000 | -0.083333 | 0.861111 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.695000 | 0.760784 | -2.750000e-02 | -0.130000 | -0.083333 | 0.861111 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | ROS | 0.695000 | 0.756972 | 7.500000e-03 | -0.110000 | -0.054762 | 0.904167 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.695000 | 0.756972 | 7.500000e-03 | -0.110000 | -0.054762 | 0.904167 |
| LogisticRegressionCV | BASE_LINE | ROS | HYPERPARAMETER | 0.695000 | 0.755020 | -3.250000e-02 | -0.065000 | -0.064286 | 0.886076 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.695000 | 0.755020 | -3.250000e-02 | -0.065000 | -0.064286 | 0.886076 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.690000 | 0.789116 | -1.500000e-01 | -0.250000 | -0.195238 | 0.764368 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.690000 | 0.784722 | -6.250000e-02 | -0.150000 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.690000 | 0.780142 | -1.000000e-01 | -0.225000 | -0.157143 | 0.792453 |
| RidgeClassifierCV | PREPROCESSING | FOS | FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| LinearSVC | PREPROCESSING | FOS | FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.690000 | 0.773723 | -1.250000e-02 | -0.150000 | -0.076190 | 0.890034 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV_FAIR_PCA | 0.690000 | 0.773723 | -1.250000e-02 | -0.150000 | -0.076190 | 0.890034 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE_FAIR_PCA | 0.690000 | 0.772059 | 1.325000e-01 | -0.035000 | 0.057143 | 1.088889 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE_FAIR_PCA | 0.690000 | 0.772059 | 1.325000e-01 | -0.035000 | 0.057143 | 1.088889 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER | 0.690000 | 0.772059 | 2.250000e-02 | -0.105000 | -0.038095 | 0.943262 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.690000 | 0.772059 | 2.250000e-02 | -0.105000 | -0.038095 | 0.943262 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR_FAIR_PCA | 0.690000 | 0.772059 | -8.750000e-02 | -0.175000 | -0.133333 | 0.809524 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS | 0.690000 | 0.768657 | 3.500000e-02 | 0.020000 | 0.014286 | 1.022472 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.690000 | 0.765152 | 7.250000e-02 | -0.030000 | 0.019048 | 1.031008 |
| MLPClassifier | BASE_LINE | RUS | RUS | 0.690000 | 0.761538 | -2.000000e-02 | -0.115000 | -0.071429 | 0.885057 |
| LogisticRegressionCV | BASE_LINE | ROS | ROS | 0.690000 | 0.753968 | -4.250000e-02 | -0.110000 | -0.085714 | 0.853659 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.690000 | 0.753968 | -4.250000e-02 | -0.110000 | -0.085714 | 0.853659 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | RUS | 0.690000 | 0.752000 | -4.250000e-02 | -0.135000 | -0.095238 | 0.835391 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.690000 | 0.752000 | -4.250000e-02 | -0.135000 | -0.095238 | 0.835391 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.685000 | 0.782007 | 1.425000e-01 | 0.060000 | 0.102381 | 1.143333 |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | SMOTE | 0.685000 | 0.778947 | -9.500000e-02 | -0.165000 | -0.130952 | 0.828660 |
| MLPClassifier | BASE_LINE | NONE | BASE_LINE_VALUES | 0.685000 | 0.775801 | -4.250000e-02 | -0.110000 | -0.078571 | 0.892157 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.685000 | 0.774194 | 2.750000e-02 | 0.005000 | 0.007143 | 1.010309 |
| NN_CONFIG | BASE_LINE | NONE | NN | 0.685000 | 0.772563 | 2.750000e-02 | -0.020000 | -0.002381 | 0.996528 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV_FAIR_PCA | 0.685000 | 0.772563 | -1.500000e-01 | -0.300000 | -0.216667 | 0.711111 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.685000 | 0.770909 | -8.000000e-02 | -0.185000 | -0.130952 | 0.816667 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.685000 | 0.770909 | -8.000000e-02 | -0.185000 | -0.130952 | 0.816667 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.685000 | 0.769231 | -5.000000e-03 | -0.210000 | -0.092857 | 0.865979 |
| LogisticRegressionCV | PREPROCESSING | FOS | FOS | 0.685000 | 0.767528 | 2.750000e-02 | -0.095000 | -0.030952 | 0.953405 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.685000 | 0.767528 | 2.750000e-02 | -0.095000 | -0.030952 | 0.953405 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | DEMV | 0.685000 | 0.767528 | -1.175000e-01 | -0.235000 | -0.173810 | 0.754209 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR | 0.685000 | 0.765799 | -8.250000e-02 | -0.190000 | -0.135714 | 0.802083 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.685000 | 0.762264 | -4.750000e-02 | -0.170000 | -0.107143 | 0.836957 |
| MLPClassifier | BASE_LINE | FAIR_PCA | ROS | 0.685000 | 0.756757 | 5.000000e-03 | -0.140000 | -0.064286 | 0.895349 |
| LinearSVC | BASE_LINE | ROS | ROS | 0.685000 | 0.752941 | -1.075000e-01 | -0.190000 | -0.154762 | 0.750958 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685000 | 0.752941 | -1.075000e-01 | -0.190000 | -0.154762 | 0.750958 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | ROS | 0.685000 | 0.750988 | -1.750000e-02 | -0.110000 | -0.069048 | 0.882114 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER_ROS | 0.685000 | 0.750988 | -1.750000e-02 | -0.110000 | -0.069048 | 0.882114 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.685000 | 0.750988 | -1.750000e-02 | -0.110000 | -0.069048 | 0.882114 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.685000 | 0.750988 | -1.750000e-02 | -0.110000 | -0.069048 | 0.882114 |
| LinearDiscriminantAnalysis | BASE_LINE | ROS | ROS | 0.685000 | 0.749004 | -7.500000e-02 | -0.100000 | -0.102381 | 0.825203 |
| LinearDiscriminantAnalysis | BASE_LINE | ROS | HYPERPARAMETER | 0.685000 | 0.749004 | -7.500000e-02 | -0.100000 | -0.102381 | 0.825203 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685000 | 0.749004 | -7.500000e-02 | -0.100000 | -0.102381 | 0.825203 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.685000 | 0.749004 | -7.500000e-02 | -0.100000 | -0.102381 | 0.825203 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | 0.681159 | 0.750000 | -4.696581e-01 | -0.700000 | -0.549138 | 0.334378 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | 0.680556 | 0.747253 | -4.059524e-01 | -0.800000 | -0.525926 | 0.360360 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | UNAWARENESS | 0.680000 | 0.769784 | 1.750000e-02 | -0.090000 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | UNAWARENESS | 0.680000 | 0.769784 | 1.750000e-02 | -0.090000 | -0.033333 | 0.952381 |
| MLPClassifier | BASE_LINE | SMOTE | HYPERPARAMETER | 0.680000 | 0.769784 | -3.750000e-02 | -0.125000 | -0.080952 | 0.886667 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE_FAIR_PCA | 0.680000 | 0.769784 | -3.500000e-02 | -0.195000 | -0.104762 | 0.854785 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.680000 | 0.768116 | -9.250000e-02 | -0.185000 | -0.138095 | 0.808581 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.680000 | 0.766423 | -7.500000e-02 | -0.175000 | -0.123810 | 0.824916 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.680000 | 0.766423 | -7.500000e-02 | -0.175000 | -0.123810 | 0.824916 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV | 0.680000 | 0.764706 | -2.250000e-02 | -0.095000 | -0.061905 | 0.908772 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.680000 | 0.746032 | -1.000000e-01 | -0.275000 | -0.180952 | 0.705426 |
| MLPClassifier | BASE_LINE | FAIR_PCA | RUS | 0.680000 | 0.744000 | -1.250000e-02 | -0.125000 | -0.071429 | 0.875000 |
| LogisticRegressionCV | BASE_LINE | RUS | HYPERPARAMETER | 0.680000 | 0.735537 | 2.000000e-02 | -0.085000 | -0.038095 | 0.926941 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.680000 | 0.735537 | 2.000000e-02 | -0.085000 | -0.038095 | 0.926941 |
| LogisticRegressionCV | BASE_LINE | RUS | RUS | 0.680000 | 0.733333 | -2.775558e-17 | -0.075000 | -0.047619 | 0.907407 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER | 0.675000 | 0.768683 | 2.500000e-03 | 0.005000 | -0.007143 | 0.989899 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS_FAIR_PCA | 0.675000 | 0.767025 | 7.750000e-02 | -0.020000 | 0.030952 | 1.045139 |
| MLPClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.675000 | 0.767025 | 4.250000e-02 | -0.090000 | -0.016667 | 0.976190 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.675000 | 0.765343 | 4.250000e-02 | -0.115000 | -0.026190 | 0.962199 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.675000 | 0.763636 | -3.000000e-02 | -0.210000 | -0.107143 | 0.848485 |
| RidgeClassifierCV | PREPROCESSING | DEMV | FAIR_PCA | 0.675000 | 0.763636 | -8.750000e-02 | -0.175000 | -0.130952 | 0.816667 |
| LogisticRegressionCV | PREPROCESSING | DEMV | FAIR_PCA | 0.675000 | 0.763636 | -8.750000e-02 | -0.175000 | -0.130952 | 0.816667 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.675000 | 0.763636 | -8.750000e-02 | -0.175000 | -0.130952 | 0.816667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.675000 | 0.763636 | -8.750000e-02 | -0.175000 | -0.130952 | 0.816667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.675000 | 0.763636 | -8.750000e-02 | -0.175000 | -0.130952 | 0.816667 |
| LinearSVC | PREPROCESSING | DEMV | FAIR_PCA | 0.675000 | 0.761905 | -8.750000e-02 | -0.200000 | -0.140476 | 0.801347 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.675000 | 0.761905 | -8.750000e-02 | -0.200000 | -0.140476 | 0.801347 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.675000 | 0.761905 | -8.750000e-02 | -0.200000 | -0.140476 | 0.801347 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.675000 | 0.761905 | -8.750000e-02 | -0.200000 | -0.140476 | 0.801347 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | DEMV | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.675000 | 0.760148 | -3.250000e-02 | -0.190000 | -0.102381 | 0.850694 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER_RUS | 0.675000 | 0.741036 | 1.250000e-02 | -0.125000 | -0.054762 | 0.904167 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | RUS | 0.675000 | 0.738956 | 1.000000e-02 | -0.080000 | -0.040476 | 0.927350 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.675000 | 0.738956 | 1.000000e-02 | -0.080000 | -0.040476 | 0.927350 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER_RUS | 0.675000 | 0.738956 | -7.500000e-03 | -0.115000 | -0.064286 | 0.886076 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.675000 | 0.738956 | -7.500000e-03 | -0.115000 | -0.064286 | 0.886076 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.675000 | 0.738956 | -7.500000e-03 | -0.115000 | -0.064286 | 0.886076 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.675000 | 0.728033 | 5.000000e-03 | -0.065000 | -0.040476 | 0.920188 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER_SMOTE | 0.670000 | 0.765957 | -2.500000e-03 | -0.205000 | -0.085714 | 0.883495 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.670000 | 0.764286 | -2.500000e-02 | -0.125000 | -0.071429 | 0.900990 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.670000 | 0.760870 | -6.250000e-02 | -0.175000 | -0.114286 | 0.840000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS | 0.670000 | 0.759124 | 4.250000e-02 | 0.010000 | 0.019048 | 1.028674 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS | 0.670000 | 0.759124 | 4.250000e-02 | 0.010000 | 0.019048 | 1.028674 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670000 | 0.759124 | -7.500000e-03 | -0.165000 | -0.076190 | 0.890034 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | UNAWARENESS | 0.670000 | 0.757353 | 2.250000e-02 | 0.020000 | 0.009524 | 1.014493 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS | 0.670000 | 0.757353 | 5.000000e-03 | -0.015000 | -0.014286 | 0.978495 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.670000 | 0.757353 | -2.750000e-02 | -0.155000 | -0.085714 | 0.875000 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | FAIR_PCA | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.670000 | 0.757353 | -8.250000e-02 | -0.190000 | -0.133333 | 0.809524 |
| MLPClassifier | PREPROCESSING | DEMV | DEMV | 0.670000 | 0.755556 | -1.025000e-01 | -0.180000 | -0.142857 | 0.793814 |
| MLPClassifier | BASE_LINE | ROS | HYPERPARAMETER | 0.670000 | 0.753731 | -3.250000e-02 | -0.065000 | -0.057143 | 0.913043 |
| LinearSVC | PREPROCESSING | DEMV | DEMV | 0.670000 | 0.751880 | -6.750000e-02 | -0.160000 | -0.114286 | 0.827957 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.670000 | 0.751880 | -6.750000e-02 | -0.160000 | -0.114286 | 0.827957 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.670000 | 0.751880 | -6.750000e-02 | -0.160000 | -0.114286 | 0.827957 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.670000 | 0.751880 | -6.750000e-02 | -0.160000 | -0.114286 | 0.827957 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER | 0.670000 | 0.750000 | -6.750000e-02 | -0.185000 | -0.123810 | 0.811594 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.670000 | 0.750000 | -6.750000e-02 | -0.185000 | -0.123810 | 0.811594 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.670000 | 0.742188 | 2.775558e-17 | -0.075000 | -0.042857 | 0.927711 |
| LinearSVC | BASE_LINE | FAIR_PCA | RUS | 0.670000 | 0.740157 | 2.000000e-02 | -0.135000 | -0.052381 | 0.910569 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.670000 | 0.740157 | 2.000000e-02 | -0.135000 | -0.052381 | 0.910569 |
| ExtraTreesClassifier_FAIR_PCA_ROS | POSTPROCESSING | ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI | ExtraTreesClassifier_FAIR_PCA_ROS_CERTI_FAI | 0.666667 | 0.230769 | -5.000000e-01 | -1.000000 | -0.093750 | 0.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS_FAIR_PCA | 0.665000 | 0.761566 | -2.000000e-02 | -0.090000 | -0.054762 | 0.924092 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.665000 | 0.759857 | -2.400000e-01 | -0.255000 | -0.254762 | 0.669753 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE_FAIR_PCA | 0.665000 | 0.756364 | -2.500000e-02 | -0.025000 | -0.035714 | 0.947917 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.665000 | 0.756364 | -4.250000e-02 | -0.060000 | -0.059524 | 0.914089 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.665000 | 0.752768 | -4.000000e-02 | -0.180000 | -0.102381 | 0.850694 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.665000 | 0.750929 | 5.250000e-02 | -0.170000 | -0.040476 | 0.938406 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS_FAIR_PCA | 0.665000 | 0.749064 | 2.325000e-01 | 0.015000 | 0.140476 | 1.236948 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS_FAIR_PCA | 0.665000 | 0.749064 | 2.325000e-01 | 0.015000 | 0.140476 | 1.236948 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.665000 | 0.749064 | 1.250000e-02 | -0.125000 | -0.050000 | 0.923077 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.665000 | 0.747170 | -8.000000e-02 | -0.185000 | -0.130952 | 0.802867 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.665000 | 0.747170 | -8.000000e-02 | -0.185000 | -0.130952 | 0.802867 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | RUS | 0.665000 | 0.735178 | 2.500000e-02 | -0.125000 | -0.045238 | 0.921811 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER_RUS | 0.665000 | 0.735178 | 2.500000e-02 | -0.125000 | -0.045238 | 0.921811 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.665000 | 0.735178 | 2.500000e-02 | -0.125000 | -0.045238 | 0.921811 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.665000 | 0.735178 | 2.500000e-02 | -0.125000 | -0.045238 | 0.921811 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN_FAIR_PCA | 0.660000 | 0.776316 | -3.500000e-01 | -0.375000 | -0.361905 | 0.610256 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS_FAIR_PCA | 0.660000 | 0.771812 | 8.250000e-02 | 0.040000 | 0.061905 | 1.080247 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.660000 | 0.753623 | 5.000000e-03 | -0.165000 | -0.066667 | 0.904762 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.660000 | 0.746269 | -2.000000e-02 | -0.090000 | -0.057143 | 0.913043 |
| LogisticRegressionCV | PREPROCESSING | DEMV | DEMV | 0.660000 | 0.744361 | -5.500000e-02 | -0.185000 | -0.114286 | 0.827957 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.660000 | 0.744361 | -5.500000e-02 | -0.185000 | -0.114286 | 0.827957 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.660000 | 0.744361 | -5.500000e-02 | -0.185000 | -0.114286 | 0.827957 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS | 0.660000 | 0.734375 | -7.500000e-03 | -0.065000 | -0.042857 | 0.927711 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN_FAIR_PCA | 0.655000 | 0.782334 | -3.500000e-02 | 0.055000 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_PCA | 0.655000 | 0.782334 | -3.500000e-02 | 0.055000 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN_FAIR_PCA | 0.655000 | 0.782334 | -3.500000e-02 | 0.055000 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_PCA | 0.655000 | 0.782334 | -3.500000e-02 | 0.055000 | -0.002381 | 0.997312 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | UNAWARENESS | 0.655000 | 0.750903 | -4.500000e-02 | -0.165000 | -0.097619 | 0.863333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE | 0.655000 | 0.749091 | 8.000000e-02 | -0.015000 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE | 0.655000 | 0.749091 | 8.000000e-02 | -0.015000 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR | 0.655000 | 0.743494 | 5.000000e-03 | -0.090000 | -0.040476 | 0.938406 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR | 0.655000 | 0.743494 | 5.000000e-03 | -0.090000 | -0.040476 | 0.938406 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER | 0.655000 | 0.739623 | 4.000000e-02 | -0.070000 | -0.011905 | 0.981061 |
| LinearSVC | BASE_LINE | RUS | RUS | 0.655000 | 0.722892 | 7.000000e-02 | -0.060000 | 0.007143 | 1.013158 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.655000 | 0.722892 | 7.000000e-02 | -0.060000 | 0.007143 | 1.013158 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS_FAIR_PCA | 0.655000 | 0.722892 | 3.250000e-02 | -0.060000 | -0.016667 | 0.969697 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS_FAIR_PCA | 0.655000 | 0.722892 | 3.250000e-02 | -0.060000 | -0.016667 | 0.969697 |
| RidgeClassifierCV | BASE_LINE | RUS | RUS | 0.655000 | 0.716049 | 5.000000e-02 | -0.100000 | -0.021429 | 0.958904 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.655000 | 0.716049 | 5.000000e-02 | -0.100000 | -0.021429 | 0.958904 |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | RUS | 0.655000 | 0.708861 | -1.000000e-01 | -0.175000 | -0.145238 | 0.725225 |
| ExtraTreesClassifier | BASE_LINE | RUS | RUS | 0.655000 | 0.706383 | -1.750000e-01 | -0.200000 | -0.202381 | 0.622222 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.650000 | 0.755245 | 3.500000e-02 | -0.030000 | 0.004762 | 1.006536 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.650000 | 0.748201 | 3.250000e-02 | -0.060000 | -0.009524 | 0.986254 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE_FAIR_PCA | 0.650000 | 0.748201 | 3.500000e-02 | -0.130000 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS | 0.650000 | 0.736842 | -6.500000e-02 | -0.105000 | -0.090476 | 0.862319 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.650000 | 0.734848 | -3.000000e-02 | -0.060000 | -0.052381 | 0.917603 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV | 0.650000 | 0.728682 | -1.225000e-01 | -0.170000 | -0.152381 | 0.760300 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS_FAIR_PCA | 0.650000 | 0.717742 | -1.075000e-01 | -0.190000 | -0.152381 | 0.739837 |
| LinearDiscriminantAnalysis | BASE_LINE | RUS | RUS | 0.650000 | 0.715447 | 7.500000e-02 | -0.075000 | 0.004762 | 1.009009 |
| LinearDiscriminantAnalysis | BASE_LINE | RUS | HYPERPARAMETER | 0.650000 | 0.715447 | 7.500000e-02 | -0.075000 | 0.004762 | 1.009009 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.650000 | 0.715447 | 7.500000e-02 | -0.075000 | 0.004762 | 1.009009 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.650000 | 0.715447 | 7.500000e-02 | -0.075000 | 0.004762 | 1.009009 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.650000 | 0.698276 | -1.525000e-01 | -0.180000 | -0.180952 | 0.648148 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | 0.647727 | 0.597403 | -1.829365e-01 | -0.488095 | -0.179310 | 0.527273 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR_FAIR_PCA | 0.645000 | 0.736059 | -7.500000e-02 | -0.150000 | -0.111905 | 0.835088 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS | 0.645000 | 0.721569 | -4.750000e-02 | -0.045000 | -0.059524 | 0.899598 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.645000 | 0.707819 | -5.000000e-02 | -0.125000 | -0.092857 | 0.828947 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.640000 | 0.707317 | -2.500000e-03 | -0.205000 | -0.090476 | 0.837607 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV | 0.635000 | 0.720307 | 7.500000e-03 | -0.135000 | -0.054762 | 0.911877 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV | 0.635000 | 0.720307 | 7.500000e-03 | -0.135000 | -0.054762 | 0.911877 |
| MLPClassifier | BASE_LINE | ROS | ROS | 0.635000 | 0.713725 | 7.500000e-02 | 0.000000 | 0.035714 | 1.063291 |
| MLPClassifier | BASE_LINE | RUS | HYPERPARAMETER | 0.635000 | 0.704453 | -3.750000e-02 | -0.100000 | -0.073810 | 0.867521 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | 0.630952 | 0.586667 | -1.883649e-01 | -0.445513 | -0.164942 | 0.539898 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS | 0.630000 | 0.727941 | 1.825000e-01 | -0.010000 | 0.104762 | 1.166667 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS | 0.630000 | 0.727941 | 1.825000e-01 | -0.010000 | 0.104762 | 1.166667 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.630000 | 0.694215 | 2.500000e-03 | -0.070000 | -0.038095 | 0.926941 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV_FAIR_PCA | 0.625000 | 0.716981 | -7.500000e-02 | -0.075000 | -0.083333 | 0.871795 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS | 0.625000 | 0.688797 | -3.000000e-02 | -0.060000 | -0.054762 | 0.894977 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.625000 | 0.680851 | -5.000000e-02 | -0.100000 | -0.083333 | 0.833333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.622222 | 0.653061 | -6.150794e-01 | -0.785714 | -0.644269 | 0.212560 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR_FAIR_PCA | 0.620000 | 0.722628 | -8.000000e-02 | -0.185000 | -0.123810 | 0.824916 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS_FAIR_PCA | 0.620000 | 0.696000 | 7.250000e-02 | -0.030000 | 0.023810 | 1.043860 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.620000 | 0.696000 | -5.500000e-02 | -0.135000 | -0.095238 | 0.835391 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS | 0.610000 | 0.675000 | 2.500000e-02 | -0.075000 | -0.023810 | 0.953052 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS | 0.610000 | 0.675000 | 2.500000e-02 | -0.075000 | -0.023810 | 0.953052 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS_FAIR_PCA | 0.610000 | 0.675000 | -1.400000e-01 | -0.180000 | -0.166667 | 0.696970 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.607843 | 0.285714 | -5.263158e-01 | -1.000000 | -0.217391 | 0.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS | 0.605000 | 0.685259 | 0.000000e+00 | -0.125000 | -0.054762 | 0.904167 |
| ExtraTreesClassifier | BASE_LINE | PCA | ROS | 0.585000 | 0.679537 | 1.000000e-02 | -0.180000 | -0.064286 | 0.895349 |
| MLPClassifier | BASE_LINE | PCA | SMOTE | 0.585000 | 0.679537 | -1.575000e-01 | -0.215000 | -0.183333 | 0.717949 |
| MLPClassifier | BASE_LINE | PCA | ROS | 0.580000 | 0.671875 | -2.075000e-01 | -0.265000 | -0.233333 | 0.641026 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.576923 | 0.214286 | -5.526316e-01 | -1.000000 | -0.227273 | 0.000000 |
| ExtraTreesClassifier | BASE_LINE | PCA | PCA | 0.575000 | 0.686347 | -4.750000e-02 | -0.195000 | -0.102381 | 0.850694 |
| LogisticRegressionCV | BASE_LINE | PCA | ROS | 0.575000 | 0.655870 | -2.400000e-01 | -0.355000 | -0.288095 | 0.536398 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_PCA | 0.565000 | 0.661479 | 2.800000e-01 | 0.235000 | 0.259524 | 1.511737 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | ROS | 0.560000 | 0.645161 | -2.600000e-01 | -0.345000 | -0.295238 | 0.530303 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER_ROS | 0.560000 | 0.645161 | -2.600000e-01 | -0.345000 | -0.295238 | 0.530303 |
| RidgeClassifierCV | BASE_LINE | PCA | ROS | 0.560000 | 0.642276 | -2.600000e-01 | -0.370000 | -0.304762 | 0.509579 |
| LinearSVC | BASE_LINE | PCA | ROS | 0.560000 | 0.642276 | -2.600000e-01 | -0.370000 | -0.304762 | 0.509579 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER_ROS | 0.560000 | 0.639344 | -2.425000e-01 | -0.360000 | -0.290476 | 0.521569 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | RUS | 0.560000 | 0.636364 | -1.900000e-01 | -0.280000 | -0.228571 | 0.604938 |
| LinearSVC | BASE_LINE | PCA | RUS | 0.560000 | 0.636364 | -1.900000e-01 | -0.280000 | -0.228571 | 0.604938 |
| LogisticRegressionCV | BASE_LINE | PCA | RUS | 0.560000 | 0.636364 | -1.900000e-01 | -0.280000 | -0.228571 | 0.604938 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER_RUS | 0.560000 | 0.636364 | -1.900000e-01 | -0.280000 | -0.228571 | 0.604938 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER_RUS | 0.560000 | 0.636364 | -1.900000e-01 | -0.280000 | -0.228571 | 0.604938 |
| RidgeClassifierCV | BASE_LINE | PCA | RUS | 0.555000 | 0.627615 | -1.675000e-01 | -0.260000 | -0.207143 | 0.628205 |
| ExtraTreesClassifier | BASE_LINE | PCA | RUS | 0.535000 | 0.610879 | 2.500000e-03 | -0.170000 | -0.064286 | 0.875000 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER_ROS | 0.530000 | 0.594828 | -9.000000e-02 | -0.130000 | -0.109524 | 0.777778 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER_RUS | 0.525000 | 0.595745 | -1.200000e-01 | -0.140000 | -0.130952 | 0.745370 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN_FAIR_PCA | 0.525000 | 0.581498 | 1.000000e-02 | -0.205000 | -0.073810 | 0.838542 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | UNAWARENESS | 0.520000 | 0.603306 | 1.500000e-02 | 0.005000 | 0.009524 | 1.018779 |
| ExtraTreesClassifier | BASE_LINE | PCA | SMOTE | 0.520000 | 0.603306 | 3.750000e-02 | -0.100000 | -0.014286 | 0.972222 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER_SMOTE | 0.520000 | 0.593220 | -9.750000e-02 | -0.070000 | -0.090476 | 0.821596 |
| LogisticRegressionCV | BASE_LINE | PCA | SMOTE | 0.520000 | 0.593220 | -1.150000e-01 | -0.105000 | -0.114286 | 0.777778 |
| MLPClassifier | BASE_LINE | PCA | RUS | 0.520000 | 0.593220 | -1.325000e-01 | -0.140000 | -0.138095 | 0.735160 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | SMOTE | 0.515000 | 0.583691 | -1.300000e-01 | -0.085000 | -0.116667 | 0.766667 |
| LinearSVC | BASE_LINE | PCA | SMOTE | 0.515000 | 0.583691 | -1.300000e-01 | -0.085000 | -0.116667 | 0.766667 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER_SMOTE | 0.515000 | 0.583691 | -1.300000e-01 | -0.085000 | -0.116667 | 0.766667 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | MLPClassifier_BASE_HYPER_CERTI_FAI | MLPClassifier_BASE_HYPER_CERTI_FAI | 0.514706 | 0.507463 | -3.098485e-01 | -0.486364 | -0.328372 | 0.327619 |
| RidgeClassifierCV | BASE_LINE | PCA | SMOTE | 0.505000 | 0.571429 | -1.200000e-01 | -0.065000 | -0.102381 | 0.789216 |
| MLPClassifier_DEMV_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI | MLPClassifier_DEMV_HYPERPARAMETER_CERTI_FAI | 0.500000 | 0.162162 | -9.038462e-02 | -0.230769 | -0.086729 | 0.284483 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER_SMOTE | 0.480000 | 0.539823 | -3.750000e-02 | -0.050000 | -0.042857 | 0.903226 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_PCA | 0.465000 | 0.483092 | -1.175000e-01 | -0.185000 | -0.145238 | 0.616352 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | 0.461538 | 0.333333 | -1.611842e-01 | -0.322368 | -0.214286 | 0.142857 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS | 0.460000 | 0.522124 | -2.500000e-02 | 0.250000 | 0.076190 | 1.187135 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE | 0.460000 | 0.419355 | 4.700000e-01 | 0.590000 | 0.504762 | 7.424242 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN | 0.440000 | 0.404255 | -2.600000e-01 | -0.345000 | -0.295238 | 0.101449 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE | 0.435000 | 0.395722 | 5.000000e-01 | 0.575000 | 0.521429 | 7.636364 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE | 0.435000 | 0.395722 | 5.000000e-01 | 0.575000 | 0.521429 | 7.636364 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.430000 | 0.406250 | 5.650000e-01 | 0.555000 | 0.557143 | 7.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.430000 | 0.393617 | 5.075000e-01 | 0.540000 | 0.514286 | 7.000000 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.425926 | 0.311111 | -3.113636e-01 | -0.350000 | -0.310440 | 0.103175 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.420000 | 0.376344 | 5.175000e-01 | 0.560000 | 0.528571 | 8.400000 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.415000 | 0.360656 | 5.550000e-01 | 0.685000 | 0.597619 | 17.733333 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.415000 | 0.346369 | 4.975000e-01 | 0.670000 | 0.554762 | 20.416667 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.410000 | 0.358696 | 5.100000e-01 | 0.545000 | 0.519048 | 9.074074 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE | 0.410000 | 0.351648 | 5.600000e-01 | 0.695000 | 0.604762 | 22.166667 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE | 0.410000 | 0.321839 | 4.650000e-01 | 0.630000 | 0.519048 | 37.333333 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS | 0.400000 | 0.464286 | -6.000000e-02 | 0.005000 | -0.028571 | 0.933333 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | 0.400000 | 0.400000 | -1.000000e+00 | -1.000000 | -1.000000 | 0.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.395000 | 0.300578 | 4.275000e-01 | 0.580000 | 0.478571 | 23.333333 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.395000 | 0.284024 | 4.250000e-01 | 0.600000 | 0.483333 | inf |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | 0.393939 | 0.230769 | -9.282297e-01 | -0.947368 | -0.933333 | 0.066667 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.390000 | 0.314607 | 6.000000e-01 | 0.700000 | 0.633333 | inf |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.390000 | 0.290698 | 4.150000e-01 | 0.555000 | 0.461905 | 22.555556 |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.390000 | 0.273810 | 4.125000e-01 | 0.575000 | 0.466667 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.390000 | 0.273810 | 4.125000e-01 | 0.575000 | 0.466667 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.390000 | 0.273810 | 4.125000e-01 | 0.575000 | 0.466667 | inf |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN_FAIR_PCA | 0.390000 | 0.273810 | 2.500000e-03 | -0.020000 | -0.009524 | 0.933333 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_PCA | 0.390000 | 0.273810 | 2.500000e-03 | -0.020000 | -0.009524 | 0.933333 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | 0.387755 | 0.062500 | -4.545455e-02 | -0.090909 | -0.052632 | 0.000000 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.385000 | 0.320442 | 6.625000e-01 | 0.725000 | 0.683333 | inf |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.385000 | 0.312849 | 6.250000e-01 | 0.700000 | 0.650000 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE_FAIR_PCA | 0.385000 | 0.297143 | 5.500000e-01 | 0.650000 | 0.583333 | inf |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.385000 | 0.289017 | 5.125000e-01 | 0.625000 | 0.550000 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.385000 | 0.263473 | 4.000000e-01 | 0.550000 | 0.450000 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE_FAIR_PCA | 0.380000 | 0.279070 | 5.000000e-01 | 0.600000 | 0.533333 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.375000 | 0.260355 | -1.750000e-02 | -0.010000 | -0.016667 | 0.888889 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.375000 | 0.251497 | 4.125000e-01 | 0.525000 | 0.450000 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.370000 | 0.275862 | 5.325000e-01 | 0.565000 | 0.542857 | 77.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE_FAIR_PCA | 0.370000 | 0.275862 | 5.325000e-01 | 0.565000 | 0.542857 | 77.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE_FAIR_PCA | 0.370000 | 0.275862 | 5.325000e-01 | 0.565000 | 0.542857 | 77.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE_FAIR_PCA | 0.370000 | 0.258824 | 4.750000e-01 | 0.550000 | 0.500000 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.370000 | 0.250000 | 4.200000e-01 | 0.490000 | 0.442857 | 63.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.370000 | 0.240964 | 3.825000e-01 | 0.465000 | 0.409524 | 58.333333 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.370000 | 0.240964 | 3.825000e-01 | 0.465000 | 0.409524 | 58.333333 |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.365000 | 0.220859 | 3.500000e-01 | 0.450000 | 0.383333 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.365000 | 0.220859 | 3.500000e-01 | 0.450000 | 0.383333 | inf |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.365000 | 0.220859 | 3.500000e-01 | 0.450000 | 0.383333 | inf |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.360000 | 0.209877 | 3.025000e-01 | 0.355000 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.360000 | 0.209877 | 3.025000e-01 | 0.355000 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.360000 | 0.209877 | 3.025000e-01 | 0.355000 | 0.319048 | 23.333333 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.360000 | 0.209877 | 3.025000e-01 | 0.355000 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.360000 | 0.209877 | 3.025000e-01 | 0.355000 | 0.319048 | 23.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.360000 | 0.209877 | 3.025000e-01 | 0.355000 | 0.319048 | 23.333333 |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.355000 | 0.208589 | 3.625000e-01 | 0.425000 | 0.383333 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN_FAIR_PCA | 0.350000 | 0.144737 | 4.000000e-02 | 0.030000 | 0.033333 | 1.666667 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS_FAIR_PCA | 0.340000 | 0.274725 | -8.250000e-02 | -0.040000 | -0.061905 | 0.729167 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN | 0.320000 | 0.068493 | 1.750000e-02 | -0.015000 | 0.004762 | 1.166667 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE_FAIR_PCA | 0.320000 | 0.055556 | -2.000000e-02 | -0.040000 | -0.028571 | 0.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE | 0.315000 | 0.041958 | -1.500000e-02 | -0.030000 | -0.021429 | 0.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.305000 | 0.014184 | -5.000000e-03 | -0.010000 | -0.007143 | 0.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.305000 | 0.014184 | -5.000000e-03 | -0.010000 | -0.007143 | 0.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.305000 | 0.014184 | -5.000000e-03 | -0.010000 | -0.007143 | 0.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.305000 | 0.014184 | -5.000000e-03 | -0.010000 | -0.007143 | 0.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.305000 | 0.014184 | -5.000000e-03 | -0.010000 | -0.007143 | 0.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.305000 | 0.014184 | -5.000000e-03 | -0.010000 | -0.007143 | 0.000000 |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
Luego de tener resultados de evaluación del modelo se pueden establecer un conjunto de acciones para comprender cómo se toman las decisiones. Es recomendable hacer un análisis de importancia de características, para establecer la contribución relativa de cada característica en las predicciones del modelo. Teniendo en cuenta este orden se procede a revisar cual es la característica más importante y la que menos contribuye en la salida del modelo.
Probabilidad de predicción positiva: ¿Qué porcentaje de cada grupo recibe una predicción positiva?
Varianza de las predicciones dentro de un grupo: ¿Las predicciones dentro de un mismo grupo son consistentes o varían mucho?
Disparidad entre grupos: ¿Hay diferencias significativas en las tasas de predicción positiva?
Usa LIME para generar explicaciones locales sobre la influencia de las características en las predicciones del modelo.
Usa SHAP para calcular la importancia de cada característica en la toma de decisiones del modelo.
Se generan múltiples versiones de los datos y se filtran aquellas que producen resultados distintos en un modelo de clasificación.
Se calculan distancias entre las versiones originales y las alteradas, almacenando la información resultante.
Posteriormente, los valores generados se ajustan para mantener coherencia con los datos originales.